共查询到18条相似文献，搜索用时 138 毫秒
1.
遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。 相似文献
2.
遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。 相似文献
3.
在已知静态环境的条件下,提出一种改进蚁群算法,用以解决基本蚁群算法的收敛速度慢、效率低、易陷入局部最优解等问题。在传统蚁群算法的基础上,首先通过自适应改变挥发系数来使初始时刻的蚁群搜索能力加强、范围扩大,避免陷入局部最优解;其次将轮盘赌算子利用到状态转移规则中,有效地提高了解的质量和算法的收敛速度;最后通过精英选择操作,有效地提高了算法的全局搜索效率和收敛速度。通过对不同TSP实例仿真结果表明:改进后的蚁群算法在较少的迭代次数下得到的解非常接近问题的最优解,验证了该算法的可行性和有效性。 相似文献
4.
函数优化是遗传算法应用的一个方面,标准遗传算法通常采用的是轮盘赌选择、单点交叉和变异等基本操作算子,其缺点是全局收敛性差,易造成“不成熟”收敛现象。研究表明,GA的收敛性主要是由选择算子实现的,轮盘赌选择易产生较大的随机误差,基于期望值和轮盘赌的混合选择策略则能够改善此误差。仿真结果表明,混合选择能够有效地提高GA对全局最优解的搜索能力,较好地改善“早熟”现象的产生。 相似文献
5.
物流配送中求最优解是一类典型的NP难问题,具有很高的时空复杂性。目前,还没有较完善的算法能在一定的时间限制内快速地寻到问题的最优解,只能尽可能地在规定的时间内寻到问题的近似最优解。由于蚁群算法具有鲁棒性和正反馈等特点,因此它被成功运用到物流配送问题的求解中。根据蚁群算法存在的一些缺陷,如搜索时间长、过早收敛等,采用OOP进行优化。通过实验,验证了改进算法的性能。 相似文献
6.
7.
为了改进BP神经网络收敛速度慢、不能得到全局最优解的缺点,选择具有全局优化、支持并行且具有自适应特性的蚁群算法,优化神经网络初始权重和阈值。将算法运用于实体解析元组对的匹配加以验证,结果表明：在相同最大迭代次数下,BP神经网络迭代490次可寻找到最优解,其均方误差为0.078,ACO-BP神经网络同样迭代487次可寻找到最优解,均方误差为0.013,相对来说均方误差更小,训练效果更接近于目标值,表明蚁群优化的神经网络算法可以改善传统BP神经网络收敛速度慢、学习效率低和易陷入局部最优等缺点。 相似文献
8.
针对传统启发式算法难以平衡求解收敛次数与求解精度问题,通过充分分析GA和ACO两种算法的优缺点,设计了一种改进的遗传蚁群算法。将算法分为上下两步,分别以GA和ACO为主。在GA中引入信息素更新机制连接上下两部分算法|在ACO中引入遗传变异操作尽可能扩大解的范围。同时结合两种算法各自解的继承方式,采用合适的方法分别处理这两部分产生的不可行解。获得解后,通过引入交换邻域的爬山法思想进一步尝试优化解。最终在保证求解精度的前提下,减少求解所需的迭代次数。实验结果表明,在需要保证求解精度的前提下,相比传统GA,该方法的求解效率提高了一个量级。 相似文献
9.
结合遗传算法(GA)和粒子群算法(PSO)的优点以及混沌运动的特性,提出了混沌粒子群遗传算法(CPSO-GA),并使用五个高维非线性测试函数考察此算法的性能。在固定进化代数、所调用目标函数次数接近以及固定收敛精度三种情况下对算法进行数值试验,结果表明,与其他文献中提出的算法相比,CPSO-GA能100%地找到最优解,收敛效果及寻优能力好,并能有效摆脱局部极小点,且调用目标函数次数最少,大大降低了计算量。 相似文献
10.
针对传统遗传算法在无功功率优化中不能收敛的情况,选用了混合整数编码、锦标赛选择机制和临近变异等措施对遗传算法进行改进.这些改进符合电力系统运行的实际,具有较好的收敛精度和收敛速度.IEEE14节点系统的优化结果表明该方法优化性能较好,能较快地搜索到最优解. 相似文献
11.
夏卫锋 《南阳师范学院学报》2005,4(3):13-14
主要讨论了几乎处处收敛与依概率收敛，完全收敛与几乎处处收敛的关系．给出了由依概率收敛推出几乎处处收敛的条件和由几乎处处收敛推出完全收敛的条件，从而比较完全地说明了随机变量序列的各种收敛性之间的关系． 相似文献
12.
随机变量序列依概率收敛是概率论中一种较重要的收敛形式,本文分析了依概率收敛认识的几个误区,并结合反例给予了说明。 相似文献
13.
李婷 《湖南广播电视大学学报》2010,(2):59-62
标准粒子群优化算法对空间所有区域等概率搜索,降低了算法效率。借鉴遗传算法的思想,本文提出一种带随机选择机制的改进粒子群优化算法。该算法将适应值选择和粒子状态更新方程结合起来,通过赌轮算法选择机制使得粒子在适应值较小的区域尽可能的降低搜索概率,在最优解可能区域尽可能加大搜索强度,从而提高算法搜索效率。通过标准进化计算测试函数测试,实验结果表明对于复杂优化问题该算法优于标准粒子群优化算法和遗传算法。 相似文献
14.
The mutation operator has been seldom improved because researchers hardly suspect its ability to prevent genetic algorithm
(GA) from converging prematurely. Due to its importance to GA, the authors of this paper study its influence on the diversity
of genes in the same locus, and point out that traditional mutation, to some extent, can result in premature convergence of
genes (PCG) in the same locus. The above drawback of the traditional mutation operator causes the loss of critical alleles.
Inspired by digital technique, we introduce two kinds of boolean operation into GA to develop a novel mutation operator and
discuss its contribution to preventing the loss of critical alleles. The experimental results of function optimization show
that the improved mutation operator can effectively prevent premature convergence, and can provide a wide selection range
of control parameters for GA. 相似文献
15.
In this paper we present a regularized Newton-type method for ill-posed problems, by using the A-smooth regularization to solve the linearized ill-posed equations. For noisy data a proper a posteriori stopping rule is used that yields convergence of the Newton iteration to a solution, as the noise level goes to zero, under certain smoothness conditions on the nonlinear operator. Some appropriate assumptions on the closedness and smoothness of the starting value and the solution are shown to lead to optimal convergence rates. 相似文献
16.
一种定向交叉的单纯形遗传算法 总被引：1，自引：0，他引：1
针对交叉算子产生个体的无方向性特点，提出了一种改进的实数交叉算子。该交叉算子吸收了单纯形法的思想，每次交叉都朝着当代种群最优解的方向进行，以提高算法的局部搜索能力。为了防止算法陷入局部极值，还提出了一种爬坡算子。实验证明，改进算法在提高收敛速度、摆脱局部最优解方面极为有效。 相似文献
17.
18.
Tenko Raykov 《Structural equation modeling》2019,26(3):430-436
It is shown that in general the popular coefficient alpha estimator for reliability of multi-component measuring instruments converges almost surely to a quantity that is not equal to the population reliability coefficient. This convergence with probability 1 is a stronger statement than convergence in probability (consistency) and convergence in distribution for the alpha estimator, which have been studied in the past. In the special case of congeneric measures with uncorrelated errors and equal loadings on the common true score, the alpha estimator converges almost surely to the population reliability coefficient that equals population alpha, which implies also its consistency as a reliability estimator. When the loadings are unequal but sufficiently high and similar, the alpha estimator converges almost surely to population alpha that is essentially indistinguishable from the population reliability coefficient, which implies alpha’s approximate consistency then. For the general case, the results entail that the alpha estimator is not a consistent estimator of reliability. The findings add to the critical literature on coefficient alpha in the general case, as well as to the justification of its use as a dependable measuring instrument reliability estimator in special cases and settings resulting under appropriate restrictive conditions, and are illustrated using a numerical example. 相似文献