排序方式： 共有2条查询结果，搜索用时 17 毫秒
1
1.
针对传统目标跟踪算法搜索范围小、跟踪精度低的缺点,提出一种基于遗传扰动机制的改进蝙蝠算法(GDBA),该算法引入了遗传竞争机制,根据优化的优劣情况调整遗传算法的交叉率和变异率,使得种群具有遗传性和变异性,同时扩大了搜索范围,提高了粒子多样性,改善了跟踪精度. 相似文献
2.
针对蝙蝠算法现存的缺点,如收敛速度慢、优化精确度低、早熟,提出一种基于遗传扰动机制的改进蝙蝠算法(GDBA).该优化算法引入了遗传竞争机制,通过比较与全局最优解的差异,随时调整遗传算法的交叉率和变异率,使得种群具有遗传性和多样性,解决了蝙蝠算法早熟的问题,同时加快了收敛速度,提高了优化精度.采用基准测试函数进行仿真验证,实验结果表明:与蝙蝠算法(BA)和基于速度权重扰动机制的改进蝙蝠算法(WDBA)相比,该算法(GDBA)具有更好的收敛速度和搜索精度,加强了寻找全局最优解的能力. 相似文献
1