排序方式: 共有4条查询结果,搜索用时 203 毫秒
1
1.
提出了一种基于邻域极值数的协同粒子群优化算法。该算法将种群分为若干个独立进化的子种群。根据邻域极值数确定各子种群的生存状态。根据子种群的生存状态对子种群实施相应的控制操作,提高子种群的搜索能力,实现子种群之间的信息共享,共同进化。测试结果表明基于邻域极值数的协同粒子群优化算法是一种高效稳健的全局优化算法。 相似文献
2.
使用矩阵分解技术,提出了混合进制广义Walsh函数的一种新的复制方法,设计了混合进制Walsh函数阵的两种快速算法. 相似文献
3.
针对标准粒子群优化算法在信息共享机制的不足,提出基于邻域空间的混合粒子群优化算法。该算法修改了粒子速度更新方程,提出了一种将模式搜索算法嵌入粒子群优化算法新方法。通过4个典型的测试函数的实验研究,表明了所提出的算法充分发挥了模式搜索算法强大的局部搜索能力和基于邻域空间的粒子群优化算法的全局寻优能力,很好地平衡了算法的全局“探索”与局部“开发”。新算法具有优化精度高、鲁棒性强的特点,特别适合对高维多峰函数进行优化。 相似文献
4.
用遗传算法解迷宫问题 总被引:6,自引:0,他引:6
利用遗传算法的思想,对传统的二维迷宫问题,设计编码、适应值函数、遗传操作,并在演化过程中对基因进行“改良”,提高搜索的效率,解决了二维迷宫问题,同时还可以求得走出迷宫的最短路. 相似文献
1