共查询到20条相似文献,搜索用时 218 毫秒
1.
基于进化算法的约束处理技术 总被引:2,自引:0,他引:2
约束优化问题是科学和工程应用领域经常会遇到的一类数学规划问题,因而对其研究具有十分重要的理论和实际意义.进化算法是一种模拟自然进化过程的全局优化方法。综述基于进化算法的约束处理技术研究现状,提出几个值得关注的研究问题。 相似文献
2.
3.
基于群体的进化算法是求解函数优化问题的常用方法,但存在收敛速度慢和易陷入早熟的缺点.提出了一个基于(1+1)-ES分块进化的低维函数优化算法,采用分块进化,引入丢弃不重要分块和二次优化求精的策略,实现了全局搜索过程和局部搜索过程的分离.通过算法分析,表明了算法比较适合于低维函数.仿真结果表明了提出的算法的抗早熟能力和求解效率均优于FEP. 相似文献
4.
三层前向人工神经网络全局最优逼近 总被引:1,自引:0,他引:1
提出了求解不等式约束非线性优化问题的群体复合形进化算法,提出的算法能充分利用目标函数值的信息,优化搜索过程具有较强的方向性和目标性,收敛速度快,且是全局优化算法;将群体复合形进化算法应用于三层前向人工神经网络逼近,提出了三层前向人工神经网络全局最优逼近算法;将三层前向人工神经网络全局最优逼近算法应用于实例,表明了提出的全局最优逼近算法的有效性 相似文献
5.
基于改进多粒子群算法的电力系统无功优化 总被引:12,自引:0,他引:12
将改进的多粒子群算法应用于电力系统无功优化问题的求解,克服了传统粒子群算法收敛精度不高、易陷入局部最优的缺点.该优化方法对原粒子群算法进行了如下改进:通过增强粒子群间的协同作用、引入惯性因子以及扰动的策略,来平衡集中强化搜索和分散多样化搜索过程.对IEEE6节点和IEEE30节点系统分别进行无功优化计算,并与传统粒子群算法进行了比较,结果表明,该算法求得的有功损耗较原状态降低了近1/5,且电压合格率为100%,具有较强的全局搜索能力和较高的收敛精度,是求解无功优化的有效方法. 相似文献
6.
背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷.人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法.为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程.试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率. 相似文献
7.
针对复杂环境中的无人飞行器航迹规划问题,提出了一种基于改进量子头脑风暴优化(QBSO)算法的UAV三维航迹规划方法.在进化前期,两个种群独立进化,从而提升算法的全局搜索能力.在进化后期,对每个种群中的个体进行排序,每个种群中较优的(排名前50%)个体形成一个新种群,该新种群按照QBSO的进化机制继续进行进化,从而加快算法收敛速度.此外,为进一步提升算法的全局搜索能力,提出了一种改进的待变异个体产生方式.实验结果表明:与基本BSO、QBSO、改进BSO及全局最优BSO算法相比,改进QBSO算法在解决航迹规划问题上具有更高的全局搜索能力、收敛精度和更强的稳定性. 相似文献
8.
9.
鉴于传统方法用于高维复杂函数优化很容易陷入局部极小,为此提出了一类通用、易实现、具有全局优化特性的混合优化算法(CHADE算法).该算法将混沌优化的随机性与差分进化算法(DE算法)相结合,利用混沌扰动算子增强算法的局部搜索能力;同时,随着搜索过程的进行随机地调整缩放因子和差分进化模式.多个典型高维复杂函数的数值仿真结果表明:CHADE算法寻优效率高、收敛速度快,尤其是具有避免局部极小的能力,其优化性能优于单一的DE算法. 相似文献
10.
基于粒子群统计规律的PSO算法 总被引:4,自引:0,他引:4
粒子群优化(particle swarm optimization,PSO)算法是一类基于群体智能的全局优化算法,以其计算迅速和易于实现而得到广泛的应用.但作为一种进化算法,它在很多问题中却容易过早收敛,陷入早熟.这与粒子群采用单一的进化策略有关,因为过于单一的进化策略使粒子群整体上有一种趋同性.针对标准PSO算法的这个问题提出了一种改进方法,改进后的PSO-σ算法实质上是Kennedy讨论过的认知模型、社会模型和完全模型的混合算法.从算法的收敛性、准确性和稳定性等方面对这种改进的算法作了试验和分析,发现均优于标准PSO算法. 相似文献
11.
在聚类分析中,模糊k-均值算法是目前应用最为广泛的方法之一,然而该算法对初始化敏感,容易陷入局部极值点,为此,提出一种基于克隆选择的模糊聚类新算法以实现全局优化处理.在新算法中,由于克隆算子能够将进化搜索与随机搜索、全局搜索和局部搜索相结合,因而通过对候选解进行克隆算子操作,能够快速得到全局最优解.用人造数据和IRIS实际数据所做测试结果表明了新算法的有效性. 相似文献
12.
微粒群优化在Job-shop调度中的应用 总被引:8,自引:0,他引:8
Job-shop调度问题是典型的NP-难问题,利用微粒群优化的全局搜索能力和高搜索效率以及模拟退火算法的局部搜索能力,发展了一种快速、且易于实现的新的混合启发式算法,并将其应用于求解标准Job-shop调度问题,计算结果以及与其他算法的比较说明,该算法是一种求解Job-shop调度问题的可行且高效的方法。 相似文献
13.
蚁群算法在水位流量关系拟合中的应用 总被引:8,自引:0,他引:8
蚁群算法是一种模拟进化算法,初步研究表明该算法具有许多优良性质.针对传统水位流量关系曲线拟合过程中存在精度不高等问题,应用连续性空间优化问题的蚁群算法模型来拟合水位流量关系,并将该方法与遗传算法及传统的优化方法进行比较.结果表明,蚁群算法具有直观、简便、快速、实用性强等优点,是一种较为优秀的全局优化方法. 相似文献
14.
自适应SAGA算法进行全局寻优的研究 总被引:5,自引:0,他引:5
遗传算法以概率转换规则为基础,在给定问题的潜在解集中进行广泛搜索,具有很强的全局寻优能力,但收敛速度慢。模拟退火算法理论上只要计算时间足够长,就可以保证收敛于全局最优点。但是在实际算法的实现过程中,由于计算速度和时间的限制,全局寻优点的效果并不理想。将遗传算法和模拟退火相结合,提出一种混合的自适应遗传算法,可以提高收敛速度并改善全局寻优性能。 相似文献
15.
模拟退火算法是以固体退火过程为物理背景的全局优化算法,具有全局寻优的能力,是一种有效的非线性组合优化算法。模拟退火反演算法实质是利用了地球物理反演问题求解过程与熔化固体退火过程的相似性,模拟其达到最低能量状态为系统目标函数的最优解。本文概要地介绍了模拟退火法的基本原理,解的接受准则,模拟退火法的实现方法、特点及其局限性。总结了近年来对模拟退火方法进行的改进,并给出了模拟退火法在多层密度界面反演中的实例。 相似文献
16.
蚁群算法在一般函数优化求解中的应用 总被引:2,自引:0,他引:2
蚁群算法是一种新型的模拟仿生算法.本文通过在一般函数优化求解中的应用,说明该算法与启发式因子相结合可有效地避开陷入局部最优的弊病.显示了蚁群算法在连续空间优化问题中的应用前景. 相似文献
17.
粒子群算法在求解优化问题中的应用 总被引:15,自引:2,他引:15
粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性. 相似文献
18.
多目标路由问题要求极小化网络带宽资源消耗 ,它与图论中 NP完全的 Steiner问题等价 ,不存在多项式时间算法 ,只能采用近似算法或启发式算法 .进化算法是一类有效求解优化问题的新算法 .应用进化算法中的进化规划方法 ,求解 Steiner问题 ,提出了一种新的多目标路由算法 .仿真结果显示 ,该算法性能高于启发式方法 相似文献
19.
基于动态隧道系统的K-means聚类算法研究 总被引:1,自引:0,他引:1
吕佳 《重庆师范大学学报(自然科学版)》2009,26(1)
针对K-means聚类算法易陷入局部极小的问题,利用动态隧道算法在解决全局最优化问题中的有效性,将算法中的动态隧道过程引入到K-means聚类算法中,提出了一种基于动态隧道算法的K-means聚类算法.该算法在K-means聚类算法寻优得到的局部极小值基础上,利用动态隧道过程寻找更小的能量盆地,再将其值提交给K-means聚类算法进行迭代寻优,重复该过程,直到找到全局最小值.理论分析和仿真实验证明,该算法的聚类效果要优于K-means聚类算法. 相似文献
20.
复杂函数全局最优化的改进遗传退火算法 总被引:14,自引:0,他引:14
针对复杂函数的最优化问题 ,首先提出了一种基于邻域函数的尺度参数自寻优的改进模拟退火算法 ,进而通过设计多操作的基于概率接受思想的变异操作 ,结合混沌序列 ,在遗传算法中引入灾变操作和改进模拟退火算法 ,最终提出了改进遗传退火算法。基于典型算例的仿真结果验证了改进算法对高维复杂函数最优化的有效性 ,其性能明显优于传统的遗传算法、模拟退火、改进的进化规划方法以及遗传 -AL OPEX算法。 相似文献