期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进的细菌觅食优化算法
被引量：
7
1
作者
刘珍
孙京诰
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2016年第2期225-232,共8页
针对细菌觅食优化算法存在收敛速度慢、寻优精度低、易陷入局部最优等缺点,提出了一种改进的细菌觅食优化算法。改进原有固定步长的游动方式,引入自适应步长调整策略,提出了基于非线性递减的余弦自适应步长;改进细菌位置的更新方式,借...
针对细菌觅食优化算法存在收敛速度慢、寻优精度低、易陷入局部最优等缺点,提出了一种改进的细菌觅食优化算法。改进原有固定步长的游动方式,引入自适应步长调整策略,提出了基于非线性递减的余弦自适应步长;改进细菌位置的更新方式,借鉴人工蜂群的方法,采用混合的更新方式;改进优胜劣汰的选择标准,保留最优个体,对复制后的父代个体引入杂交算子;改进迁徙方式,提出种群进化因子,防止进化停滞不前。将本文算法用于经典函数以及PID参数整定测试,仿真实验结果验证了该算法的有效性。
展开更多
关键词
细菌觅食优化算法
自适应步长
位置
更新
方式
杂交算子
种群进化因子
下载PDF
职称材料
自适应混合策略麻雀搜索算法
被引量：
15
2
作者
苏莹莹
王升旭
《计算机工程与应用》
CSCD
北大核心
2023年第9期75-85,共11页
针对麻雀搜索算法(sparrow search algorithm,SSA)求解精度低,稳定性不足,易陷入局部最优等问题,提出一种基于自适应混合策略的麻雀搜索算法(adaptive hybrid strategy sparrow search algorithm,AHSSSA)。引入Tent混沌映射初始化种群,...
针对麻雀搜索算法(sparrow search algorithm,SSA)求解精度低,稳定性不足,易陷入局部最优等问题,提出一种基于自适应混合策略的麻雀搜索算法(adaptive hybrid strategy sparrow search algorithm,AHSSSA)。引入Tent混沌映射初始化种群,增加种群数量,合并两个种群,再利用精英策略得到精英种群,以提高初始解质量;引入自适应周期收敛因子α,加强搜索能力与收敛速度;追随者与预警者位置更新方式调整,在一定程度上防止算法陷入局部最优;引入多项式变异扰动,以解决SSA陷入局部最优问题。利用12种测试函数进行测试,结果表明:AHSSSA比SSA有更好的寻优性能。
展开更多
关键词
麻雀搜索算法
Tent混沌映射
自适应周期收敛因子
位置
更新
方式
调整
多项式变异扰动
下载PDF
职称材料
差分细菌觅食算法
被引量：
1
3
作者
王钰婷
李珺
廖周宇
《计算机应用与软件》
CSCD
2015年第12期239-244,248,共7页
为解决细菌觅食优化算法BFO(bacteria foraging optimization)迭代过程中因种群多样性损失较快而易陷入局优的问题,将差分进化思想和BFO结合。首先在BFO的趋向性操作和繁殖操作中使用差分策略更新细菌位置,从而保证群体内的多样性不会...
为解决细菌觅食优化算法BFO(bacteria foraging optimization)迭代过程中因种群多样性损失较快而易陷入局优的问题,将差分进化思想和BFO结合。首先在BFO的趋向性操作和繁殖操作中使用差分策略更新细菌位置,从而保证群体内的多样性不会随着算法迭代的进行而过快降低。其次是对算法中细菌位置更新方式的改进,通过逐维更新每一个维度信息而非一次更新一个细菌所有维度信息的方式,充分利用每一次位置改变带来的有利信息,从而大幅提高了算法寻找到全局最优值的效率。与其他4个算法对10个标准优化函数的测试结果对比表明,改进后的算法在寻得最优值的精度、效率、稳定性方面表现更好。
展开更多
关键词
差分进化
细菌觅食算法
多样性
高维度
位置
的
更新
方式
下载PDF
职称材料
题名
一种改进的细菌觅食优化算法
被引量：
7
1
作者
刘珍
孙京诰
机构
华东理工大学信息科学与工程学院
出处
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2016年第2期225-232,共8页
文摘
针对细菌觅食优化算法存在收敛速度慢、寻优精度低、易陷入局部最优等缺点,提出了一种改进的细菌觅食优化算法。改进原有固定步长的游动方式,引入自适应步长调整策略,提出了基于非线性递减的余弦自适应步长;改进细菌位置的更新方式,借鉴人工蜂群的方法,采用混合的更新方式;改进优胜劣汰的选择标准,保留最优个体,对复制后的父代个体引入杂交算子;改进迁徙方式,提出种群进化因子,防止进化停滞不前。将本文算法用于经典函数以及PID参数整定测试,仿真实验结果验证了该算法的有效性。
关键词
细菌觅食优化算法
自适应步长
位置
更新
方式
杂交算子
种群进化因子
Keywords
bacterial foraging optimization algorithm
adaptive step
position update mode
crossover operator
population evolution factor
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
自适应混合策略麻雀搜索算法
被引量：
15
2
作者
苏莹莹
王升旭
机构
沈阳大学机械工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2023年第9期75-85,共11页
基金
中央引导地方科技发展计划(2021JH6/10500149)
辽宁省自然科学基金(20180551001)。
文摘
针对麻雀搜索算法(sparrow search algorithm,SSA)求解精度低,稳定性不足,易陷入局部最优等问题,提出一种基于自适应混合策略的麻雀搜索算法(adaptive hybrid strategy sparrow search algorithm,AHSSSA)。引入Tent混沌映射初始化种群,增加种群数量,合并两个种群,再利用精英策略得到精英种群,以提高初始解质量;引入自适应周期收敛因子α,加强搜索能力与收敛速度;追随者与预警者位置更新方式调整,在一定程度上防止算法陷入局部最优;引入多项式变异扰动,以解决SSA陷入局部最优问题。利用12种测试函数进行测试,结果表明:AHSSSA比SSA有更好的寻优性能。
关键词
麻雀搜索算法
Tent混沌映射
自适应周期收敛因子
位置
更新
方式
调整
多项式变异扰动
Keywords
sparrow search algorithm
Tent chaotic mapping
adaptive periodic convergence factor
position update mode adjustment
polynomial variation disturbance
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
差分细菌觅食算法
被引量：
1
3
作者
王钰婷
李珺
廖周宇
机构
兰州交通大学电子与信息工程学院
河池学院计算机与信息工程学院
出处
《计算机应用与软件》
CSCD
2015年第12期239-244,248,共7页
基金
国家自然科学基金项目(61163010)
文摘
为解决细菌觅食优化算法BFO(bacteria foraging optimization)迭代过程中因种群多样性损失较快而易陷入局优的问题,将差分进化思想和BFO结合。首先在BFO的趋向性操作和繁殖操作中使用差分策略更新细菌位置,从而保证群体内的多样性不会随着算法迭代的进行而过快降低。其次是对算法中细菌位置更新方式的改进,通过逐维更新每一个维度信息而非一次更新一个细菌所有维度信息的方式,充分利用每一次位置改变带来的有利信息,从而大幅提高了算法寻找到全局最优值的效率。与其他4个算法对10个标准优化函数的测试结果对比表明,改进后的算法在寻得最优值的精度、效率、稳定性方面表现更好。
关键词
差分进化
细菌觅食算法
多样性
高维度
位置
的
更新
方式
Keywords
Differential evolution
Bacterial foraging algorithm
Diversity
High-dimension
Updating way of location
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种改进的细菌觅食优化算法
刘珍
孙京诰
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2016
7
下载PDF
职称材料
2
自适应混合策略麻雀搜索算法
苏莹莹
王升旭
《计算机工程与应用》
CSCD
北大核心
2023
15
下载PDF
职称材料
3
差分细菌觅食算法
王钰婷
李珺
廖周宇
《计算机应用与软件》
CSCD
2015
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
