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
共找到9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：
无线传感器网络覆盖优化的混沌交叉人工蜂群算法
1
作者 谢珊 马琳娟 +1 位作者 苏鑫 范智慧 《南京理工大学学报》 CAS CSCD 北大核心 2024年第3期360-366,共7页
为了提高无线传感器网络覆盖性能,采用人工蜂群算法进行传感节点布置策略寻优,并对蜜源坐标分量进行混沌交叉,以增强人工蜂群算法的寻优能力。首先,根据目标区域选择合适的传感节点数,并建立针对目标区域的初始覆盖模型。接着,采用人工... 为了提高无线传感器网络覆盖性能,采用人工蜂群算法进行传感节点布置策略寻优,并对蜜源坐标分量进行混沌交叉,以增强人工蜂群算法的寻优能力。首先,根据目标区域选择合适的传感节点数,并建立针对目标区域的初始覆盖模型。接着,采用人工蜂群算法对覆盖模型进行优化求解,选择覆盖率作为适应度函数,将随机分布的所有传感节点坐标作为初始蜜源的位置。然后,进行探测蜂的候选蜜源搜索,获得适应度较高的传感节点坐标,并将候选蜜源坐标分量混沌优化。通过跟随蜂的分量优化,获得适应度最高的蜜源。最后,输出最优蜜源坐标,即为目标区域内所有传感节点的坐标值。试验结果表明,合理设置蜂群规模和迭代次数,相比于其他对比算法,混沌交叉人工蜂群算法能够获得更高的覆盖率。 展开更多
关键词 无线传感器网络 人工蜂群 混沌交叉 覆盖率 覆盖优化
下载PDF
一种混沌遗传算法及其在测试生成中的应用 被引量：2
2
作者 康波 《系统工程与电子技术》 EI CSCD 北大核心 2006年第11期1743-1746,共4页
针对标准遗传算法存在的早熟与收敛速度较慢等问题,提出了一种新的混沌遗传算法,该算法利用混沌序列的随机性、遍历性及规律性等特性来控制交叉与变异操作,可有效克服早熟收敛。介绍了一种组合电路测试生成的神经网络模型,以该模型为基... 针对标准遗传算法存在的早熟与收敛速度较慢等问题,提出了一种新的混沌遗传算法,该算法利用混沌序列的随机性、遍历性及规律性等特性来控制交叉与变异操作,可有效克服早熟收敛。介绍了一种组合电路测试生成的神经网络模型,以该模型为基础,对所提出的混沌遗传算法在测试生成中的应用进行了详细研究。实验结果表明,所提出的方法能有效克服标准遗传算法中的局部收敛问题,加快了测试生成过程。 展开更多
关键词 遗传算法 混沌交叉 混沌变异 测试生成
下载PDF
基于佳点集遗传算法的多路径覆盖测试用例生成 被引量：3
3
作者 程孟飞 丁蕊 《计算机与数字工程》 2022年第9期1940-1944,共5页
面向路径覆盖的测试用例生成作为一项有效的白盒测试技术,对提高软件测试效率和降低测试成本有重要意义。针对传统遗传算法过早收敛和收敛速度慢的问题,提出一种基于佳点集遗传算法的多路径覆盖测试用例生成方法。算法根据问题特征采用... 面向路径覆盖的测试用例生成作为一项有效的白盒测试技术,对提高软件测试效率和降低测试成本有重要意义。针对传统遗传算法过早收敛和收敛速度慢的问题,提出一种基于佳点集遗传算法的多路径覆盖测试用例生成方法。算法根据问题特征采用不同的编码方式,对于二进制编码的个体,设计佳点集交叉算子生成子代个体,实数编码的个体,设计一种混沌交叉方法生成子代个体;考虑分支距离和个体穿越路径与目标路径矩阵的相似度作为适应度函数。实验结果表明,与其他算法相比,该方法在覆盖率以及测试时间方面均具有优势。 展开更多
关键词 白盒测试 多路径覆盖 遗传算法 佳点集 混沌交叉
下载PDF
基于混沌映射的元胞遗传算法 被引量：8
4
作者 李雪岩 李雪梅 +1 位作者 李学伟 吴今培 《模式识别与人工智能》 EI CSCD 北大核心 2015年第1期42-49,共8页
针对元胞遗传算法(CGA)的功能及结构特点,将元胞遗传算法与混沌算法进行有机结合,分别设计基于Cat映射、Logistic映射及Tent映射的混沌映射元胞遗传算法(CCGA),并解释三种映射的遍历性.文中利用混沌映射的遍历特点及初值敏感性优化种群... 针对元胞遗传算法(CGA)的功能及结构特点,将元胞遗传算法与混沌算法进行有机结合,分别设计基于Cat映射、Logistic映射及Tent映射的混沌映射元胞遗传算法(CCGA),并解释三种映射的遍历性.文中利用混沌映射的遍历特点及初值敏感性优化种群的初始分布,扩大搜索范围,设计遗传算子中的局部混沌交叉操作及混沌变异扰动机制,并比较不同混沌映射算子作用下种群多样性的变化.理论分析及计算机仿真实验表明,引入三种混沌映射的元胞遗传算法在提升寻优精度,提高算法收敛速度,避免局部极值方面均取得良好的效果. 展开更多
关键词 元胞遗传算法(CGA) 种群分布 局部混沌交叉 混沌变异 混沌映射
下载PDF
基于结合混沌纵横交叉的粒子群算法优化极限学习机的短期负荷预测 被引量：26
5
作者 殷豪 董朕 孟安波 《计算机应用研究》 CSCD 北大核心 2018年第7期2088-2091,共4页
为提高短期负荷预测精度,针对传统的单一负荷预测模型精度低以及常规智能算法在解决高维、多模复杂问题时容易陷入局部最优的问题进行了研究,提出了一种结合混沌纵横交叉的粒子群算法(CC-PSO)优化极限学习机(ELM)的短期负荷预测模型。EL... 为提高短期负荷预测精度,针对传统的单一负荷预测模型精度低以及常规智能算法在解决高维、多模复杂问题时容易陷入局部最优的问题进行了研究,提出了一种结合混沌纵横交叉的粒子群算法(CC-PSO)优化极限学习机(ELM)的短期负荷预测模型。ELM的泛化能力与其输入权值和隐含层偏置密切相关,采用结合混沌纵横交叉的粒子群算法优化ELM的输入权值与隐含层偏置,提高了ELM的泛化能力和预测精度。选择广东某地区实际电网负荷数据进行分析,研究结果表明,相对于BP神经网络和支持向量机,ELM具有更高的泛化能力和预测精度;CC-PSO相对于粒子群和遗传算法具有更高的全局搜索能力,CC-PSO-ELM模型具有较高的负荷预测精度。 展开更多
关键词 极限学习机 混沌纵横交叉 粒子群算法 预测精度 短期负荷预测
下载PDF
基于混沌CSO优化时序注意力GRU模型的超短期风电功率预测 被引量：20
6
作者 孟安波 陈顺 +4 位作者 王陈恩 丁伟锋 蔡涌烽 符嘉晋 周华敏 《电网技术》 EI CSCD 北大核心 2021年第12期4692-4700,共9页
高精度的风电功率预测对风电的并网运营至关重要。为提取风电功率输入序列隐含的时间信息,建立以门控循环单元为基础的预测模型;并在模型输入侧引入时序注意力机制,通过与输入进行加权的方式提高模型对关键历史时间节点的敏感性。为加... 高精度的风电功率预测对风电的并网运营至关重要。为提取风电功率输入序列隐含的时间信息,建立以门控循环单元为基础的预测模型;并在模型输入侧引入时序注意力机制,通过与输入进行加权的方式提高模型对关键历史时间节点的敏感性。为加速模型收敛,在训练的早期利用动态混沌纵横交叉算法优化预测模型的权值和阈值;同时,通过构造多指标共同作用并联合待优化参数的正则项作为目标适应度函数,以避免优化过程中模型泛化性问题的出现。以某风电场采集间隔为1h和10min的实测数据进行实验,结果表明所提组合预测方法性能优于其他对比模型,并对其有效性进行了验证。 展开更多
关键词 风电功率预测 门控循环单元 时序注意力机制 动态混沌纵横交叉算法 正则化
下载PDF
基于结合混沌纵横交叉的PSO-DBN的短期光伏功率预测 被引量：12
7
作者 孙辉 冷建伟 《电测与仪表》 北大核心 2020年第6期67-72,共6页
为了提高短期光伏发电预测的准确性,文中采用深度置信网络(DBN)建立了各模型函数的预测模型。通过分析各模型函数的特征,建立了光伏发电模型的功率预测。传统的基于神经网络的功率预测难以训练多层网络,影响其预测精度。DBN采用无监督... 为了提高短期光伏发电预测的准确性,文中采用深度置信网络(DBN)建立了各模型函数的预测模型。通过分析各模型函数的特征,建立了光伏发电模型的功率预测。传统的基于神经网络的功率预测难以训练多层网络,影响其预测精度。DBN采用无监督贪婪逐层训练算法构建了一个在回归预测分析中具有优异性能的多隐层网络结构,已成为深度学习领域的研究热点。DBN连接权重采用结合混沌纵横交叉的粒子群优化算法(CC-PSO)优化,避免出现由随机初始化导致的局部最优解现象,从而提高了DBN网络预测性能。最后,案例测试显示了所提出模型的有效性。 展开更多
关键词 深度信念网络 混沌横纵交叉 粒子群算法 预测精度 光伏功率预测
下载PDF
力学学科的发展现状与21世纪展望 被引量：8
8
作者 干洪 《安徽建筑工业学院学报（自然科学版）》 2001年第2期1-6,共6页
对经典力学的发展过程进行了回顾与现状分析 ,介绍了现代力学的发展状况 ,阐述了力学学科与其他学科的交叉科学的研究现状 ,并根据最新的科学研究成果探讨了 2 1世纪力学的发展趋势。
关键词 经典力学 现代力学 计算力学 固体力学 混沌与交叉
下载PDF
基于改进的Semi Boost天气聚类的CC-PSO-DBN短期光伏发电预测 被引量：4
9
作者 孙辉 冷建伟 《计算机应用与软件》 北大核心 2020年第8期103-109,共7页
为了提高短期光伏发电预测的准确性,提出一种改进Semi Boost(Semi-supervised Boosting)天气聚类法和结合混沌纵横交叉的粒子群优化算法(Particle swarm optimization combined with chaos crossover,CC-PSO)优化深度置信网络(Deep Beli... 为了提高短期光伏发电预测的准确性,提出一种改进Semi Boost(Semi-supervised Boosting)天气聚类法和结合混沌纵横交叉的粒子群优化算法(Particle swarm optimization combined with chaos crossover,CC-PSO)优化深度置信网络(Deep Belief Network,DBN)连接权重的组合光伏发电功率预测方法。为了提高预测精度,设计并训练了Semi Boost改进的基于加权K近邻(Weighted K-nearest Neighbor,WKNN)置信度传播(Belief Propagation,BP)分类方法,对各天气类型采用对应的网络进行预测。DBN连接权重采用CC-PSO算法优化,避免出现由随机初始化导致的局部最优解现象,从而提高了DBN网络预测性能。实验结果验证了该模型的有效性。 展开更多
关键词 BOOSTING 半监督分类 深度信念网络 混沌横纵交叉 粒子群算法 光伏功率预测
下载PDF
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
使用帮助 返回顶部