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：
一种多群进化规划算法 被引量：3
1
作者 张民 王向军 嵇斗 《数据采集与处理》 CSCD 2004年第3期258-263,共6页
在分析了导致进化规划算法早熟原因的基础上 ,提出了一种改进的多群进化规划算法。在该算法中 ,进化在多个不同的子群间并行进行 ,通过使用不同的变异策略 ,实现种群在解空间具有尽可能分散探索能力的同时 ,在局部具有尽可能细致的搜索... 在分析了导致进化规划算法早熟原因的基础上 ,提出了一种改进的多群进化规划算法。在该算法中 ,进化在多个不同的子群间并行进行 ,通过使用不同的变异策略 ,实现种群在解空间具有尽可能分散探索能力的同时 ,在局部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 ,基于典型算例的数字仿真证明 ,该算法具有更好的全局收敛性 ,更快的收敛速度和更强的鲁棒性。 展开更多
关键词 进化规划 EP 搜索 探索 MEP 数值仿真 全局收敛性 参数鲁棒性
下载PDF
多个子样本下过程能力指数估计量的比较研究 被引量：2
2
作者 孙小素 《数理统计与管理》 CSSCI 北大核心 2010年第6期1009-1017,共9页
过程能力指数(C_p)估计的关键是对总体标准差的估计。在多个子样本情形下,采用4个无偏估计量■,■_s,■_R,■_p分别估计总体标准差σ,证明了直接以此为基础的过程能力指数的估计量都是有偏的,且都有高估C_p的倾向;之后构造了C_p的4个无... 过程能力指数(C_p)估计的关键是对总体标准差的估计。在多个子样本情形下,采用4个无偏估计量■,■_s,■_R,■_p分别估计总体标准差σ,证明了直接以此为基础的过程能力指数的估计量都是有偏的,且都有高估C_p的倾向;之后构造了C_p的4个无偏估计量;探讨了其中3个无偏估计量的估计效率;最后结合案例计算了C_p的不同估计值。 展开更多
关键词 多个子样本 过程能力指数 估计量 总体标准差
原文传递
动态多子群差分进化算法
3
作者 刘宏志 欧阳海滨 +1 位作者 高立群 潘改 《小型微型计算机系统》 CSCD 北大核心 2016年第9期2019-2023,共5页
为有效提高差分进化(DE)算法的优化性能,提出一种动态多子群差分进化(DMSDE)算法.该算法从种群多样性的角度,提出一种动态多子群策略,以增加算法跳出局部极值的可能性.然后,设计了一种平衡局部搜索和全局搜索的随机引导变异操作,以提高... 为有效提高差分进化(DE)算法的优化性能,提出一种动态多子群差分进化(DMSDE)算法.该算法从种群多样性的角度,提出一种动态多子群策略,以增加算法跳出局部极值的可能性.然后,设计了一种平衡局部搜索和全局搜索的随机引导变异操作,以提高搜索的有效性和广泛性.同时,引入全局最优学习操作,防止算法早熟.最后,与差分进化算法和各种改进的差分进化算法及其他智能优化算法做比较,仿真数值结果表明了DMSDE算法的有效性. 展开更多
关键词 优化 动态多子群 差分进化 局部搜索
下载PDF
基于多种群子空间学习的粒子群优化算法 被引量：6
4
作者 李奕铭 张红飞 +1 位作者 程琳 王劼 《计算机与数字工程》 2018年第9期1768-1772,共5页
针对标准粒子群(particle swarm optimization,PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于多种群子空间学习的粒子群优化算法(MSPSO)。算法将种群分成多个子群,除了传统的种群历史最优粒子和全局最优... 针对标准粒子群(particle swarm optimization,PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于多种群子空间学习的粒子群优化算法(MSPSO)。算法将种群分成多个子群,除了传统的种群历史最优粒子和全局最优粒子,还引入分群最优粒子和混合粒子,该混合粒子随机选择各子群最优粒子的相关维度混合而成,增加种群多样性,防止算法陷入局部最优。在种群进化后期,算法对子群最优粒子进行子空间学习,帮助算法逃离局部最优,加快收敛速度。在固定评估次数的情况下,对8种经典的测试函数进行仿真实验,相比较经典知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等,MSPSO算法不仅在低维和高维仿真实验中,在逃离局部最优、全局收敛速度和收敛精度上,具有绝对的优势。 展开更多
关键词 粒子群优化算法 多种群 子空间学习策略 高斯随机数
下载PDF
多无人机协同陆地设施辅助移动边缘计算的系统能耗最小化方法 被引量：3
5
作者 陈阳 皮德常 +3 位作者 代成龙 李本田 王碧 薛乔 《电子学报》 EI CAS CSCD 北大核心 2023年第4期984-992,共9页
无人机作为移动基站辅助边缘计算可为用户设备提供广泛的服务范围和额外计算能力,本文提出一种多无人机协同陆地设施辅助边缘计算的系统.该系统将多架无人机作为移动基站,来协同多个陆地设施对移动用户提供计算卸载服务.系统分为局部计... 无人机作为移动基站辅助边缘计算可为用户设备提供广泛的服务范围和额外计算能力,本文提出一种多无人机协同陆地设施辅助边缘计算的系统.该系统将多架无人机作为移动基站,来协同多个陆地设施对移动用户提供计算卸载服务.系统分为局部计算模型、无人机计算模型、陆地设施计算模型以及无人机盘旋能耗模型.目的是优化多个无人机的位置和用户的卸载决策使得系统总体能耗最小.为求解该问题,提出一种多子群驱动的均衡优化算法.该方法基于两个子种群演化交互,集成了变异和种群重启机制,具有良好的优化能力.仿真实验表明,提出的算法能更好降低系统能耗. 展开更多
关键词 无人机辅助边缘计算 能耗最小化 均衡优化 多子群驱动 群智能优化
下载PDF
一种新的补偿阳极优化方法 被引量：6
6
作者 嵇斗 王向军 杨振 《兵工学报》 EI CAS CSCD 北大核心 2010年第12期1562-1566,共5页
应用海水中点电极模型求取补偿阳极在其周围产生的电场强度表达式,在此基础上,使用基于t算子的自适应性多群进化规划算法对舰船补偿系统中补偿阳极数目、补偿阳极位置以及电流大小进行优化,以达到使补偿阳极产生的水下反向电场能够更加... 应用海水中点电极模型求取补偿阳极在其周围产生的电场强度表达式,在此基础上,使用基于t算子的自适应性多群进化规划算法对舰船补偿系统中补偿阳极数目、补偿阳极位置以及电流大小进行优化,以达到使补偿阳极产生的水下反向电场能够更加有效的补偿舰船原始电场的目的。仿真和实验结果表明,阳极优化后补偿效果更优。 展开更多
关键词 电磁学 多群进化规划算法 点电极 补偿阳极 电场防护
下载PDF
机器人逆运动学差分自适应混沌粒子群求解 被引量：5
7
作者 谢宏 向启均 +4 位作者 陈海滨 张小刚 杨鹏 张爱林 李云峰 《计算机工程与应用》 CSCD 北大核心 2017年第8期126-131,185,共7页
采用D-H法通过连杆坐标系变换矩阵建立机械臂运动控制模型,该模型呈现非常严重的非线性特性,传统方法难以求解。由于动态差分算法具有很强的全局搜索能力,而粒子群算法具有精确的局部搜索能力的特点,融合改进的动态差分算法和粒子群算法... 采用D-H法通过连杆坐标系变换矩阵建立机械臂运动控制模型,该模型呈现非常严重的非线性特性,传统方法难以求解。由于动态差分算法具有很强的全局搜索能力,而粒子群算法具有精确的局部搜索能力的特点,融合改进的动态差分算法和粒子群算法,并引入混沌映射初始种群和粒子群学习因子与惯性权重的自适应算法,提出多子群分层差分自适应混沌粒子群算法。该算法采用的多子群分层结构能提升个体共享群体信息的能力,底层利用动态差分算法进行全局搜索,顶层精英群利用改进的粒子群算法进行局部搜索。仿真试验和实际应用表明该算法在稳定性、搜索成功率以及收敛精度有显著提高,能有效解决机器人逆运动学模型的求解。 展开更多
关键词 逆运动学 混沌粒子群 差分算法 多子群分层
下载PDF
全信息差异进化粒子群优化算法 被引量：1
8
作者 何诚 李枚毅 邱茜茜 《计算机应用研究》 CSCD 北大核心 2012年第6期2047-2051,共5页
针对种群多样性对粒子群算法的性能影响,提出了一种基于差异进化思想的粒子群算法。该算法采用多生态子群社会结构,利用一种新的全信息粒子作为信息交互的渠道,通过进化过程中的种群衰落监控指导子群间的差异融合,有利于优秀个体的产生... 针对种群多样性对粒子群算法的性能影响,提出了一种基于差异进化思想的粒子群算法。该算法采用多生态子群社会结构,利用一种新的全信息粒子作为信息交互的渠道,通过进化过程中的种群衰落监控指导子群间的差异融合,有利于优秀个体的产生,增加粒子间的差异性,提高种群整体品质和算法的收敛性能。最后对八个测试函数进行实验仿真,并与六个改进粒子群算法进行多方面对比。实验结果表明,该算法有效地保持了种群的多样性,在保证收敛速度的同时大幅提高了算法的收敛精度,从理论和实验仿真两个方面证明了算法有很强的全局搜索能力。 展开更多
关键词 粒子群优化 差异进化 多生态子群 全信息粒子 种群衰落
下载PDF
解非线性优化问题GM(1,1)模型的多子群遗传算法
9
作者 刘兵兵 郝庆一 《安庆师范学院学报（自然科学版）》 2015年第3期26-30,共5页
针对非线性优化问题约束条件中待定参数的时间序列数据,首先使用GM(1,1)方法进行建模预测得到参数的预测值,进而将参数预测值代入原问题中提出一个确定型的非线性优化问题。对该确定型问题设计了一个多子种群并行进化的遗传算法进行求解... 针对非线性优化问题约束条件中待定参数的时间序列数据,首先使用GM(1,1)方法进行建模预测得到参数的预测值,进而将参数预测值代入原问题中提出一个确定型的非线性优化问题。对该确定型问题设计了一个多子种群并行进化的遗传算法进行求解,在分析所提算法的收敛性的基础上,给出了初步的数值算例。数值算例实验结果表明:该算法能够较为精确地获得预测型非线性优化问题的(近似)全局最优解。 展开更多
关键词 GM(1 1)模型 非线性优化问题 均值白化 多子群遗传算法 全局最优解
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