共查询到20条相似文献，搜索用时 406 毫秒
1.
2.
针对差分进化算法求解函数优化问题存在过早收敛和不稳定等缺陷,提出一种基于距离度量的差分进化算法.该算法考虑各粒子的差异,利用欧式距离计算粒子与已知最优粒子的距离,然后根据差异自适应调整自身的交叉概率因子,同时增加柯西变异算子对部分个体进行变异操作,以提高种群多样性,增强算法跳出局部最优解的能力.用三种经典函数检验说明,新算法在收敛精度、速度上优于基本差分进化算法. 相似文献
3.
当前差分进化算法研究主要集中在常规种群上,对小种群差分进化（DE）算法的研究较少。小种群差分进化算法因种群规模小,存在多样性降低过快的问题。因此提出一种基于控制参数双峰分布的小种群差分进化算法（BiMDE）。该算法采用基于柯西双峰分布的参数调节机制处理变异缩放因子 F 和交叉概率因子 CR,并对缩放因子 F 进行矢量化设定。将 BiMDE 算法在函数集 CEC2014 上进行测试,并与 5 种最新的小种群差分进化算法进行比较。结果表明,BiMDE 算法在求解精度、收敛速度以及多样性保持上具有较大优势。 相似文献
4.
为解决传统遗传算法在一维多峰函数优化中容易陷入局部极值、收敛概率低、稳定性不理想等问题,提出了一种新型的自适应遗传算法。结合自适应差分进化算法流程,提出了一种基于种群适应度变化程度而变化的非线性交叉算子和变异算子,使算法跳出局部极值,寻找到全局最优解,提升最优值迭代效率。函数测试实验表明,在一维多峰函数优化中,该算法在函数收敛概率、最优值迭代效率以及稳定性上比已有算法均有提高。 相似文献
5.
王向慧 《廊坊师范学院学报(自然科学版)》2010,10(2)
根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群.通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力. 相似文献
6.
《实验室研究与探索》2017,(10):104-109
在电力系统有功优化这个复杂的全局优化问题上,差异进化(Differential Evolution,DE)算法可以增加其种群多样性但搜索效率低,于是在其基础上提出了一种改进的差异进化算法(Improved Differential Evolution,IDE)。IDE算法保留了DE算法的三大步骤:变异、交叉以及选择,优化了传统的变异策略,同时引入了Logistic映射改变系统参数,使固定取值的搜索步长和交叉算子在一定范围内随机取值,以此扩大种群搜索范围,加快收敛速度;IDE算法最后运用了考虑系统约束的非贪婪选择,以确保算法在可行域里探索最优解。为验证算法的实用性,利用Matlab软件,将DE和IDE算法在IEEE30节点测试系统上进行目标函数为电网功率损耗的有功优化仿真。仿真结果表明,IDE算法增加了种群多样性,加快了收敛速度并且提高了搜索效率。通过此次仿真,加深了学生对电力系统有功优化以及DE算法的认识和理解,同时引导学生利用计算机技术改善算法的搜索性能并且求解优化问题。 相似文献
7.
加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度. 相似文献
8.
将云计算传统的遗传算法应用到任务调度中,存在迭代次数多、资源利用率低、执行时间长等问题。因此,提出贪心算法来初始化种群,以避免随机初始化种群时基因的低表现性,并且引进精英因子到传统遗传算法中以优化收敛速度。设计出双适应度函数,兼顾考虑用户对执行时间和带宽的要求,通过采用可适应交叉和变异方法,提升算法的全局收敛能力。仿真实验结果表明,在云计算的任务调度中使用优化混合遗传算法能更加有效地解决资源调度问题。 相似文献
9.
多目标进化算法常用于解决较复杂的多目标优化问题,该类算法是基于种群的进化算法,通过产生一组近似Pareto最优解集满足决策者偏好。介绍了多目标优化问题背景知识及相关定义,根据评价指标衡量解集特性,将现有算法性能评价指标分为3类并分别进行阐述,分析、比较其特点与区别。 相似文献
10.
王向慧 《河北职业技术学院学报》2010,(2)
根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群。通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力。 相似文献
11.
为解决蚁群算法（ACO）求解TSP收敛速度缓慢、易陷入局部最优的问题,提出一种基于蚁群的融合算法（APG）。首先在ACO的初始种群中引入精英策略,获得精英路径并构建精英可行解空间;其次引入PSO模型,令精英可行解作为PSO的初始种群,加入GA中的进化策略,使粒子与Gbest进行交叉操作,再使交叉操作后的粒子发生变异,得到第二次优化的可行解空间;最后更新ACO信息素,完成一次ACO优化迭代过程。通过APG在TSPLIB中不同实例的验证,结果表明,APG算法较其它路径优化算法能够得到更优路径。 相似文献
12.
针对遗传算法在优化BP网络时出现收敛慢、预测能力有限等问题,提出一种用于优化BP神经网络的差分进化遗传算法。结合差分进化与遗传算法,首先对BP神经网络待优化参数编码,然后在经过遗传交叉和差分变异操作后,根据适应度值对种群规模进行自适应操作,以满足不同迭代阶段的要求。通过对测试函数进行仿真实验,结果表明,相比传统遗传算法,DE GA算法具有较好的稳定性和收敛速度,其优化后的BP网络预测精度保持在97%以上。 相似文献
13.
《实验技术与管理》2016,(3):34-38
差异进化(differential evolution,DE)算法在求解电力系统有功优化的问题上易陷入局部最优,因此在其基础上引入混沌算法的Logistic映射,形成混沌差异进化(chaotic differential evolution,CDE)算法。该算法在迭代后期,使固定取值的搜索步长和交叉算子在一定范围内随机取值。为验证算法的实用性,利用Matlab软件,将DE和CDE在IEEE30节点测试系统上进行电力系统有功优化仿真。仿真结果表明,CDE算法扩大了搜索范围并且增加了种群多样性,能获得搜索质量更高的最优解,即考虑阀点效应的燃料费用更低。通过此次仿真,既可加深学生对有功优化的认识和理解,又可提高学生运用仿真技术为改进算法提供理论依据与评价的能力。 相似文献
14.
将非线性方程组问题转化为多目标函数优化问题,利用NSGA-Ⅱ的非支配集的构造方案和基于拥挤距离排序方法产生子代种群,依适应度排序选择子代个体进行下一代优化.本文将NSGA-Ⅱ中遗传算法GA替换为进化策略ES,通过非支配集的调整与拥挤距离重新排序可以进一步提升收敛速度,同时避免种群的早熟,保证初始种群个体的优良性能得以继承.仿真实验表明,本文算法可以进一步提高非线性方程组解的精确性和求解效率,从另一个角度为非线性方程求解提供了一中新的途径. 相似文献
15.
针对非线性多峰函数的优化问题求解困难,提出一种双种群进化策略快速收敛的算法。首先,对于该类最优化问题使用双种群随机变量作为变异算子,在两个不同的子群间并行进行进化,通过使用不同的突变算子策略,实现种群在求解空间具有尽可能分散地搜索的同时在局部也具有尽可能细致的搜索能力。通过子群重组实现子群间的信息交换,通过仿真实例可看出,该算法在非线性多峰值函数优化问题中,具有求解精度较高,收敛速度较快等特点。 相似文献
16.
《赤峰学院学报(自然科学版)》2020,(1)
针对云计算资源调度效率低的问题,提出一种基于自适应交叉变异的飞蛾优化算法云资源调度策略.首先引入综合学习策略,对飞蛾种群进行初始化,提高全局搜索能力.其次在迭代过程中加入自适应交叉变异策略,加强粒子跳出局部最优的概率.最后建立云计算任务调度问题的数学模型,将改进后的飞蛾算法对模型进行求解,并将实验结果与其他优化策略的实验结果在时间花费和能源花费中进行对比,取得了较优的结果. 相似文献
17.
为了提高多生境遗传算法的优化效率,提出了一种基于协同进化的多生境遗传算法,其基本思想是：将种群分割为若干子种群,每个子种群采用合作型协同进化方法独立进化;个体评价采用多生境方法,具体作法为：在对个体的适应值进行共享调整的同时,在选择中采用确定性排挤方法,在替换中采用最相似个体适应度最差个体被替换策略,以维持种群的多样性。数值实验表明,上述算法在维持多生境遗传算法较强全局搜索能力的同时,可适当提高算法运行效率。 相似文献
18.
针对经典协同进化遗传算法在优化大决策空间问题时计算复杂度较高的问题,提出了一种基于搜索空间分割的协同进化遗传算法,其基本思想是：将种群分割为不同规模的子种群,在进化过程中应用ε自适应方法调整子种群规模。复杂度分析和数值实验表明,改进后的算法可降低算法计算量,提高算法的优化效率。 相似文献
19.
针对粒子群算法（PSO）在优化高维多极值问题时容易陷入局部极值的问题,结合分层进化与动态学习策略,提出一种具有动态学习能力的分层进化粒子群优化算法（DHEPSO）。该算法首先根据粒子适应度值将粒子划分为不同层级,对不同层级粒子采取不同的进化策略,避免迭代后期种群多样性快速消失;然后根据粒子所属层级的不同动态调整粒子学习能力,在保证算法收敛精度情况下提高算法收敛速度;最后将算法在4个典型函数进行测试,结果表明DHEPSO与传统粒子群算法相比,除病态函数外均能快速达到全局最优。同时,问题维数提升对算法的全局收敛能力影响较小,证明该算法具有良好的稳定性。 相似文献
20.
《赤峰学院学报(自然科学版)》2016,(17)
探讨协同进化数值优化算法在无约束优化、约束优化、多目标优化问题及其在不同领域的应用情况,旨在充分发挥协同进化数值优化算法的作用,进而为各领域的发展奠定基础. 相似文献