共查询到10条相似文献，搜索用时 31 毫秒
1.
该文在分析微粒群算法局部最好模型几种邻域结构特点的基础上,提出了基于元胞自动机改进的微粒群算法。该算法从元胞自动机的建模思想出发,指出了微粒群算法本身就是一个元胞自动机,从而利用元胞自动机的理论对微粒群算法进行分析改进。实验结果表明,该算法不仅在单峰函数和多峰函数的优化中表现出了较好的性能．而且还适合比较广泛范围函数的优化。 相似文献
2.
微粒群算法(Particle Swarm Optimization,PSO)收敛速度慢,精度不高,收敛过程中降低了种群多样性,易陷入局部最优。为此,提出协同微粒群算法。协同微粒群算法采用维数划分重新组合的协同模型,收敛速度快,搜索范围大,收敛精度较高。“孤岛模型”和“邻域模型”是协同微粒群算法采用较多的两种模型。“孤岛模型”的协同微粒群算法要等到所有子种群全部达到更新周期后才进行比较,将此时的全局最优值作为共享信息。“邻域模型”的协同微粒群算法每隔R代,相邻两个子种群之间就进行信息交换。基于“邻域模型”的协同微粒群算法收敛效率更快。为了在全局开发和局部搜索之间实现较好平衡,在协同微粒群算法基础上引入综合学习策略,以有效利用共享信息实现更好的搜索结果。 相似文献
3.
为了提高全局和局部搜索的质量,提出了一种基于邻域智能的交叉变异算法。受中国成功学习典故"孟母三迁"的启发,根据对粒子群内各个邻域性能的评价来动态调整算法参数,使得迭代初期粒子群保持较好的局部搜索能力,在后期提高全局搜索能力,避免陷入局部最优,提高了共享信息的可信度。同时,算法引入交叉变异因子,通过收集粒子周边邻域反馈,自适应动态调整周边邻域。 相似文献
4.
在分析基本PSO算法早熟收敛原因的基础上,提出一种基于混沌思想和自适应邻域探测机制的粒子群优化算法（CANE-PSO）.该算法先引入混沌思想对粒子种群进行位置初始化,以提高初始种群的多样性,再引入随机的邻域探测机制,并引入全局极值变异算子,增强了算法的全局搜索能力.通过与其它三个改进算法比较,结果表明CANE-PSO优化效率有较大的提高,较有效地避免了早熟收敛问题. 相似文献
5.
该文针对基本微粒群算法（Particle Swarm Optimizaton,简称PSO）存在的早熟收敛问题,提出了一种改善粒子活性的改进微粒群（IPSO）算法。当粒子逐步失去活性时,对粒子按一定的概率重新以一定的方式进行赋值,达到激活该粒子的目的,使粒子能够有效地进行全局和局部搜索。通过函数优化测试,结果表明IPSO算法不仅具有较快的收敛速度,而且能够有效、稳定地提高函数优化精度。 相似文献
6.
微粒群算法具有较强的全局搜索能力,但容易陷入局部最小点,与模拟退火算法相结合,利用退火算法搜索过程中具有的概率突跳能力,能够有效地避免搜索过程陷入局部极小解。仿真结果表明。改进的算法能够有更好的优化效果。 相似文献
7.
林博艺 《赤峰学院学报(自然科学版)》2012,(20):15-19
针对基本PSO算法在全局优化中收敛精度低和易陷入局部极值的不足,提出一种基于混沌思想的多步搜索的新型的粒子群优化算法（CMPSO）。该算法先引入混沌思想对粒子种群进行位置初始化,然后再引入多步搜索,最后引入概率条件的选择性重新初始化。通过与其它三个改进算法比较,结果表明CMPSO算法的有效性。 相似文献
8.
时空离散的元胞自动机模型能利用简单的局部规则和离散方法描述复杂的全局的连续系统．文章研究了复杂空间系统形成过程的基本方式．并阐述了经典元胞自动机模拟的缺陷一一缺乏对真实世界的形象描述,即真实性．建立模拟模型并用VC开发了模拟系统,参照现实数据与模拟出的数据对比来检测模型的正确性． 相似文献
9.
10.
钱晓雯 《实验室研究与探索》2018,(1)
针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域搜索的动态烟花算法。变邻域搜索是一类重要的元启发式算法,在每一次迭代计算过程中通过搜索当前解的邻域得到一个改进的解,通过变邻域搜索方法可有效提高局部最优解的精度。与此同时,算法引入进化速度的概念,并通过进化速度计算烟花算法迭代过程中需更新的维度,实时调整相关参数,加快算法收敛,避免陷入局部最优。算例试验表明,该算法具有较好的鲁棒性,且能有效地提高算法搜索精度,加快收敛速度。 相似文献