共查询到20条相似文献，搜索用时 109 毫秒
1.
模拟退火算法具有较强的局部搜索能力,并能使搜索过程避免陷入局部最优解,但模拟退火算法是一种NP类算法,对整个搜索空间的状况却不能很好的搜索,收敛速度慢,从而使得模拟退火算法的运算效率不高。遗传算法来源于生物遗传学和自然选择机理,通过人工方式所构造的一类搜索算法。其局部搜索能力较差,但把握总体搜索过程的能力较强。若能将两者有机的结合,既加速了算法的收敛速度又避免陷入局部最优解。 相似文献
2.
高大利 《赤峰学院学报(自然科学版)》2011,27(1):25-27
将混沌与最大最小蚂蚁算法相融合,在蚁群算法的信息素更新规则中加入混沌扰动量避免了在搜索过程中陷入局部极值.测试结果表明混沌蚁群算法能够有效地提高算法的全局寻优能力,对于物流配送路径问题的求解能够获得满意的结果. 相似文献
3.
针对传统的人工蜂群算法具有较强的勘探能力,但是算法局部开采能力较弱,演化后期收敛速度慢,容易陷入局部最优,提出了基于混沌算法和逆向学习算法相结合的初始化种群方法,有效改进种群的多样性;提出了一种新型的搜索策略来改进观察峰与侦察蜂的搜索过程,加快了算法的收敛速度;通过5个标准函数进行测试,文中算法在搜索效率、最优解质量、稳定性均优于传统的人工蜂群算法. 相似文献
4.
最大最小蚁群算法通过对信息素更新和限制的改进,有效提高收敛速度,但难以避免出现停滞并陷入局部最优的困境。基于贪心边的MMAS改进算法规定一种新的搜索停滞状态,设定不同等级贪心边,并在停滞状态下利用搜索过程中寻找到的贪心边进行优先搜索。该算法使搜索能够尽早地集中在有效边进行,丢弃“无用”搜索,提高发现更优路径的可能性。利用TSP标准实例进行测试,结果表明改进算法的最优解更加接近实际最优解,具有更高的全局寻优能力和更快的收敛速度。 相似文献
5.
6.
为了解决蚁群算法收敛速度慢和易陷入局部最优的问题,提高算法在连续空间中的寻优能力,本文提出了一种基于有向搜索的智能蚁群优化算法。该算法使转移概率较大的蚂蚁个体在解空间中进行局部有向变步长搜索,有效地避免了算法陷入局部最优,缩短了搜索时间,在寻优精确度取得了很好的效果。通过仿真验证了算法的有效性 相似文献
7.
粒子群优化算法因简单、容易实现,被越来越多地应用于众多应用领域,但其存在着容易陷入局部最优等缺点。混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,尤其是混沌的遍历性特点,使其可以作为搜索过程中避免陷入局部极小的一种优化机制。将二者结合求解优化问题,改善了粒子群摆脱陷入局部极值的能力,提高了算法收敛速度。论述了混沌粒子群优化算法的研究进展。 相似文献
8.
针对蚁群算法易早熟及局部搜索能力欠佳的缺陷,将迭代局部搜索策略引入蚁群算法。新算法的基本思想是：从初始解出发,用蚁群算法进行局部搜索,如陷入局部最优,则产生一个摄动解作为新的初始解再进行局部搜索,根据接受规则决定进入下一步迭代的局部最优解。将改进算法应用于二维路径规划,数值实验表明,改进算法相比基本蚁群算法有更佳的局部收敛性,可获得比基本蚁群算法结果更优路径。 相似文献
9.
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
10.
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
11.
高大利 《泉州师范学院学报》2010,28(2):10-13
将最大最小蚂蚁算法与变异操作相融合,改进物流配送路径问题的求解,其算法首先采用最大最小蚂蚁算法产生较优解,然后使用变异操作对较优解进行优化.测试结果表明：该改进算法可以避免蚁群算法在搜索过程中陷入局部最优,有效地提高算法的全局寻优能力. 相似文献
12.
基于粒子群算法的可靠性优化 总被引：2，自引：0，他引：2
系统可靠性优化已被证明是一个NP完全问题,不存在精确的求解方法。人们构造了大量的启发式算法,如遗传算法(GA),蚁群算法(ACO),模拟退火算法(SA)等。针对各种算法所存在的早熟收敛,易陷入局部极值点的缺点,提出了将粒子群算法(particle swarm optimization,PSO)用于求解可靠性问题。给出了基于粒子群算法的可靠性优化求解策略,根据数学模型,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。 相似文献
13.
布谷鸟算法是基于启发式搜索的智能仿生算法。传统的布谷鸟算法收敛速度较慢,容易陷入局部最优解。针对该算法特点,对算法原理进行了分析,并就算法中步长和发现概率两个控制因素进行改进,使其根据迭代次数动态变化,提出了具有自适应调整特点的搜索算法,改变了步长和发现概率相应的更新方式,避免了传统布谷鸟算法容易陷入局部最优的缺陷,以增强算法搜索性能。实验对比表明,自适应调整的布谷鸟算法具有更好的寻优性能。 相似文献
14.
15.
人工蜂群算法是一种模拟蜜蜂觅食行为的群智能优化算法,具有较好的全局搜索能力,但收敛速度较慢且容易陷入局部最优.针对其不足之处,提出了一种基于错位突变策略的人工蜂群算法(DMABC).该算法在搜索蜜源的时候运用错位突变策略增强种群多样性,并使用排序选择机制和新的比较机制防止过早收敛.通过对几个标准测试函数的实验表明,改进算法具有更快的收敛速度,优化精度更高. 相似文献
16.
《西安文理学院学报》2016,(1)
针对骨干粒子群算法因受初始化位置分布不均影响,易陷入局部最优的问题,提出一种基于Logistic混沌映射的改进算法,改进算法通过采用Logistic混沌映射控制来保证粒子初始化位置在搜索空间内保持随机分布,从而有效提升算法的搜索能力.仿真实验表明:与经典骨干粒子群算法相比,改进算法搜索能力有所增强,问题求解精度有明显提升. 相似文献
17.
18.
19.
孙妍姑 《淮南师范学院学报》2010,12(5):22-23
图像识别以图像的主要特征为基础,根据这些特征进行识别和分类。通常有效提取待识别样本的特征是一件很困难的工作。而BP神经网络通过非线性计算来识别图像,相比较而言,它的特征抽取过程要简单得多。但是,BP算法还存在许多值得探讨的地方,如收敛速度慢和容易陷入局部极小等问题。为改进BP算法存在的不足,将遗传算法引入其中。遗传算法具有很强的宏观搜索能力,并且简单通用,用它来完成前期搜索能较好地克服BP算法的部分缺点。 相似文献
20.
朱晓虹 《廊坊师范学院学报(自然科学版)》2010,10(6)
针对Soc系统软硬件划分问题,将量子算法应用于Soc系统的软硬件划分过程,提出一种基于量子免疫原理的软硬件划分算法.该算法引入基于免疫原理的群体多样性保持策略,在量子算法优化过程中尽可能保持群体的多样性,避免早熟现象.并利用量子旋转门进行量子更新,保证抗体群朝着优秀方向进化,有效克服了量子遗传算法容易陷入局部最优的缺点.仿真实验表明,该算法有效地解决了软硬件划分问题,不但具有较强的搜索和跳出局部最优的能力,而且有效提高了解的精度,获得了更合理的软硬件划分结果. 相似文献