期刊文献+
共找到195篇文章
< 1 2 10 >
每页显示 20 50 100
改进的灰狼优化算法及其高维函数和FCM优化
1
作者 张新明 王霞 康强 《控制与决策》 EI CSCD 北大核心 2019年第10期2073-2084,共12页
灰狼优化算法(GWO)具有较强的局部搜索能力和较快的收敛速度,但在解决高维和复杂的优化问题时存在全局搜索能力不足的问题.对此,提出一种改进的GWO,即新型反向学习和差分变异的GWO(ODGWO).首先,提出一种最优最差反向学习策略和一种动态... 灰狼优化算法(GWO)具有较强的局部搜索能力和较快的收敛速度,但在解决高维和复杂的优化问题时存在全局搜索能力不足的问题.对此,提出一种改进的GWO,即新型反向学习和差分变异的GWO(ODGWO).首先,提出一种最优最差反向学习策略和一种动态随机差分变异算子,并将它们融入GWO中,以便增强全局搜索能力;然后,为了很好地平衡探索与开采能力以提升整体的优化性能,对算法前、后半搜索阶段分别采用单维操作和全维操作形成ODGWO;最后,将ODGWO用于高维函数和模糊C均值(FCM)聚类优化.实验结果表明,在许多高维Benchmark函数(30维、50维和1 000维)优化上, ODGWO的搜索能力大幅度领先于GWO,与state-of-the-art优化算法相比, ODGWO具有更好的优化性能.在7个标准数据集的FCM聚类优化上,与GWO、GWOepd和LGWO相比, ODGWO表现出了更好的聚类优化性能,可应用在更多的实际优化问题上. 展开更多
关键词 智能优化算法 灰狼优化算法 反向学习 差分变异 模糊C均值(FCM)聚类 高维函数优化
具有反向学习能力的串车调度算法研究 预览
2
作者 王敏 陈峰 张磊石 《交通运输系统工程与信息》 EI CSCD 北大核心 2019年第2期102-107,115共7页
为了避免串车问题,研究了多条线路不同站点间隔的车辆实时串车调度算法.基于车辆自动定位(AVL)数据的分析预测,给出了具备反向学习能力的克隆选择优化算法(Opposition-learning Clonal Selection Algorithm, OCSA)求解避免串车的调度序... 为了避免串车问题,研究了多条线路不同站点间隔的车辆实时串车调度算法.基于车辆自动定位(AVL)数据的分析预测,给出了具备反向学习能力的克隆选择优化算法(Opposition-learning Clonal Selection Algorithm, OCSA)求解避免串车的调度序列,指导车辆调度.算法中设计了反向抗体库,反向抗体库存储了种群迭代过程中多个较差抗体的信息,利用较差基因位置信息,指导部分基因链以较快速度进行反向学习,将其迅速牵引出局部最优区域.反向学习过程可迅速改善抗体的多样性,使得算法在短时间内具有较强的全局寻优能力;且局部学习的缩放因子可随迭代过程动态调整,提高了算法的求解精度.实验结果表明,基于OCSA算法获取的调度序列与经典的调度算法相比有较好的适应性,求得的调度序列能够实时有效地降低站点串车问题. 展开更多
关键词 智能交通 串车 克隆选择 调度 反向学习
在线阅读 下载PDF
改进灰狼优化算法辨识光伏模型参数 预览
3
作者 徐明 焦建军 龙文 《中国科技论文》 CAS 北大核心 2019年第8期917-921,926,共6页
针对标准智能优化算法辨识光伏(photovoltaic,PV)模型参数时存在准确度低、可靠性差和易出现早熟收敛的缺点,提出了一种改进的灰狼优化(improved grey wolf optimizer,IGWO)算法用于辨识PV模型参数。利用S型曲线的特点设计了一种基于S... 针对标准智能优化算法辨识光伏(photovoltaic,PV)模型参数时存在准确度低、可靠性差和易出现早熟收敛的缺点,提出了一种改进的灰狼优化(improved grey wolf optimizer,IGWO)算法用于辨识PV模型参数。利用S型曲线的特点设计了一种基于S型函数的非线性调整控制参数a策略,以平衡算法的全局勘探和局部开采能力;以一定概率对当前最优决策层个体执行反向学习策略,帮助群体跳出局部最优。选取4个复杂函数测试IGWO算法的性能,利用实际光伏模型测量数据对IGWO算法进行检验。结果表明,IGWO算法相比其他算法,能更准确且稳定地辨识PV模型参数。 展开更多
关键词 光伏模型 参数辨识 灰狼优化算法 S型曲线 反向学习
在线阅读 下载PDF
反向学习全局和声搜索算法
4
作者 翟军昌 秦玉平 《控制与决策》 EI CSCD 北大核心 2019年第7期1449-1455,共7页
提出一种反向学习全局和声搜索(OLGHS)算法。基于反向学习技术初始化和声记忆库,提高初始和声向量的质量;通过当前最差和声向当前最优和声学习进化,提高算法的全局搜索性能;通过其他和声向量之间不断回溯交互的随机学习策略,提高算法局... 提出一种反向学习全局和声搜索(OLGHS)算法。基于反向学习技术初始化和声记忆库,提高初始和声向量的质量;通过当前最差和声向当前最优和声学习进化,提高算法的全局搜索性能;通过其他和声向量之间不断回溯交互的随机学习策略,提高算法局部搜索性能;用由两种不同学习策略随机交叉动态产生的新和声与反向和声二者较优的个体更新和声记忆库,提高算法的搜索性能。将OLGHS算法与其他启发式优化算法以及目前文献中较优的改进HS算法进行性能测试,测试结果表明OLGHS算法具有较高的寻优精度和较快的收敛速度。 展开更多
关键词 和声搜索 反向学习 随机学习 变异 回溯 局部最优
基于多邻域策略重心反向学习的差分进化算法 预览
5
作者 李俊 邹杰 +1 位作者 李波 刘嘉麒 《武汉科技大学学报:自然科学版》 北大核心 2018年第3期232-240,共9页
针对标准差分进化(DE)算法探索能力差、难以逃出局部最优的问题,提出一种基于多邻域策略和邻域重心反向学习的差分进化算法(MCOBDE)。该算法根据当前进化状态动态地选择不同的邻域策略:在算法前期大概率选择局部邻域策略,其采用的... 针对标准差分进化(DE)算法探索能力差、难以逃出局部最优的问题,提出一种基于多邻域策略和邻域重心反向学习的差分进化算法(MCOBDE)。该算法根据当前进化状态动态地选择不同的邻域策略:在算法前期大概率选择局部邻域策略,其采用的环形邻域结构有利于探索种群空间;在算法后期大概率选择全局邻域策略,其采用的星形邻域结构能加快算法收敛。同时在不同的邻域结构下辅以重心反向学习,能进一步扩大搜索范围,避免陷入局部最优。通过与其他DE算法针对15个CEC2015测试函数在低维和高维情况下的实验对比,证明本文算法具有较快的收敛速度和较高的收敛精度,能有效克服探索能力差、早熟收敛的缺点。 展开更多
关键词 差分进化 邻域策略 邻域结构 邻域重心 反向学习 局部最优
在线阅读 下载PDF
一种多策略混合的粒子群优化算法 预览 被引量:1
6
作者 余伟伟 谢承旺 《计算机科学》 CSCD 北大核心 2018年第B06期120-123,共4页
针对传统粒子群优化算法在解决一些复杂优化问题时易陷入局部最优且收敛速度较慢的问题,提出一种多策略混合的粒子群优化算法(Hybrid Particle Swarm Optimization with Multiply Strategies,HPSO)。该算法利用反向学习策略产生反向解... 针对传统粒子群优化算法在解决一些复杂优化问题时易陷入局部最优且收敛速度较慢的问题,提出一种多策略混合的粒子群优化算法(Hybrid Particle Swarm Optimization with Multiply Strategies,HPSO)。该算法利用反向学习策略产生反向解群,扩大粒子群搜索的范围,增强算法的全局勘探能力;同时,为避免种群陷入局部最优,算法对种群中部分较差的个体实施柯西变异,以产生远离局部极值的个体,而对群体中较好的个体施以差分进化变异,以增强算法的局部开采能力。对这3种策略进行了有机结合以更好地平衡粒子群算法全局勘探和局部开采的能力。将HPSO算法与其他3种知名的粒子群算法在10个标准测试函数上进行了性能比较实验,结果表明HPSO算法在求解精度和收敛速度上具有较显著的优势。 展开更多
关键词 反向学习 粒子群优化 柯西变异 差分进化
在线阅读 免费下载
应用反向学习和差分进化的群搜索优化算法 预览
7
作者 邹华福 谢承旺 +1 位作者 周杨萍 王立平 《计算机科学》 CSCD 北大核心 2018年第B06期124-129,共6页
针对标准群搜索优化算法在解决一些复杂优化问题时容易陷入局部最优且收敛速度较慢的问题,提出一种应用反向学习和差分进化的群搜索优化算法(Group Search Optimization with Opposition一based Learning and Differential Evolution,O... 针对标准群搜索优化算法在解决一些复杂优化问题时容易陷入局部最优且收敛速度较慢的问题,提出一种应用反向学习和差分进化的群搜索优化算法(Group Search Optimization with Opposition一based Learning and Differential Evolution,OBDGSO)。该算法利用一般动态反向学习机制产生反向种群,扩大算法的全局勘探范围;对种群中较优解个体实施差分进化的变异操作,实现在较优解附近的局部开采,以改善算法的求解精度和收敛速度。这两种策略在GSO算法中相互协同,以更好地平衡算法的全局搜索能力和局部开采能力。将OBDGSO算法和另外4种群智能算法在12个基准测试函数上进行实验,结果表明OBDGSO算法在求解精度和收敛速度上具有较显著的性能优势。 展开更多
关键词 反向学习 差分进化 群搜索优化算法
在线阅读 免费下载
OLPDHS算法在雷达组网优化部署中的应用 预览
8
作者 崔玉娟 察豪 《海军工程大学学报》 北大核心 2018年第3期97-102,共6页
为解决优化部署问题,首先与其他元启发式算法相比,分析了和声搜索算法的特色,并推导出参数的理论关系;然后,将相对立学习概念引入HS算法,结合参数调整关系,提出了相对立学习参数调整和声搜索算法,并通过仿真实验与其他HS算法在收敛速度... 为解决优化部署问题,首先与其他元启发式算法相比,分析了和声搜索算法的特色,并推导出参数的理论关系;然后,将相对立学习概念引入HS算法,结合参数调整关系,提出了相对立学习参数调整和声搜索算法,并通过仿真实验与其他HS算法在收敛速度和精度两方面进行了比较;最后,以空域体积建立目标函数作为雷达组网优化部署的数学模型,利用该算法进行寻优部署,结果表明:该算法可以较快地得出最优部署方案,操作性强。 展开更多
关键词 雷达组网 和声搜索算法 相对立学习 参数调整
在线阅读 下载PDF
凿岩机器人钻臂定位误差补偿控制交叉精英反向粒子群优化算法 预览
9
作者 黄开启 魏文彬 +1 位作者 陈荣华 丁问司 《机械科学与技术》 CSCD 北大核心 2018年第7期1005-1012,共8页
为提高凿岩机器人钻臂末端(钎头)的定位精度,在利用粒子群优化(PSO)算法对关节变量误差进行补偿时,存在收敛速度慢、容易过早陷入局部最优解等问题,为此,提出一种交叉精英反向粒子群优化算法(CEOPSO)并给出算法流程。针对影响误... 为提高凿岩机器人钻臂末端(钎头)的定位精度,在利用粒子群优化(PSO)算法对关节变量误差进行补偿时,存在收敛速度慢、容易过早陷入局部最优解等问题,为此,提出一种交叉精英反向粒子群优化算法(CEOPSO)并给出算法流程。针对影响误差的两个主要因素,采用五参数D-H方法建立钻臂的参数误差模型,在形变关节后引入一个虚拟关节,推导出钻臂的形变误差模型。将交叉算子引入到EOPSO算法中,同时进行自适应惯性权重和交叉概率参数控制,不仅维持了粒子个体与最优解之间的信息交换,而且增加了粒子个体之间的信息交换。对比仿真结果表明,在误差补偿控制过程中,CEOPSO算法具有更优越的最优关节补偿值搜索收敛速度和求解稳定性,提高了凿岩机器人钻臂的定位控制性能。 展开更多
关键词 凿岩机器人 钻臂 误差补偿 粒子群优化 精英反向学习 交叉算子
在线阅读 免费下载
具有小世界邻域结构的教与学优化算法 预览
10
作者 王培崇 马玥 +1 位作者 耿明月 汪慎文 《计算机科学与探索》 CSCD 北大核心 2016年第9期1341-1350,共10页
教与学优化 (teaching-learning-based optimization, TLBO) 算法是近年来提出的一种通过模拟 “教” 与“学” 行为的群体智能算法.为了克服教与学优化算法容易早熟, 解精度较低, 后期收敛速度慢等弱点, 提出了一种改进的教与学优化... 教与学优化 (teaching-learning-based optimization, TLBO) 算法是近年来提出的一种通过模拟 “教” 与“学” 行为的群体智能算法.为了克服教与学优化算法容易早熟, 解精度较低, 后期收敛速度慢等弱点, 提出了一种改进的教与学优化算法, 并命名为S-TLBO (small world neighborhood TLBO).该算法采用小世界网络作为其种群的空间结构关系, 种群中的个体被看作是网络上的节点.在算法的 “教” 阶段, 学生基于概率向教师个体进行学习, 而在 “学” 阶段, 学生则在自己的邻居节点中随机选择较为优秀的个体进行学习.为了提高加强算法的勘探新解和开采能力, 引入教师个体执行反向学习算法.在多个经典的测试函数上的实验结果表明, 所提出的改进算法具有较高的全局收敛性和解精度, 适合于求解较高维度的多模态函数优化问题. 展开更多
关键词 教与学优化(TLBO) 小世界网络 邻域结构 反向学习(OBL)
在线阅读 下载PDF
基于能效优化的仿人机器人跑步步态优化与控制 预览 被引量:7
11
作者 杨亮 傅瑜 +1 位作者 付根平 邓春健 《计算机科学》 CSCD 北大核心 2016年第6期270-275,共6页
针对高能耗导致的仿人机器人难以大规模实用化的问题,提出了一种新的仿人机器人参数化跑步步态优化方法。分析了不同跑步步态参数对仿人机器人水平、垂直方向的稳定性及能耗的影响,将机器人步态优化问题转化为对步态参数的多目标寻优问... 针对高能耗导致的仿人机器人难以大规模实用化的问题,提出了一种新的仿人机器人参数化跑步步态优化方法。分析了不同跑步步态参数对仿人机器人水平、垂直方向的稳定性及能耗的影响,将机器人步态优化问题转化为对步态参数的多目标寻优问题,根据连杆模型得到机器人跑步过程中水平、垂直方向的稳定裕度及能耗表达式,并构造目标函数,采用基于对位学习的遗传算法对机器人参数化跑步步态进行多目标寻优,在保证机器人俯仰、翻滚和偏摆各方向力矩平衡的前提下降低整体能量消耗;针对传统遗传算法早熟及收敛速度慢的问题,提出基于领域知识的精细化初始成员策略,采取生成种群成员对位点的方式更新种群,以加快收敛速度;为提高轨迹跟踪性能,设计了自适应控制器,并给出了稳定性证明。仿真实验表明:该方法能有效降低能耗并保证其稳定性。 展开更多
关键词 仿人机器人 步态规划 对位学习 遗传算法 多目标优化
在线阅读 免费下载
Opposition-Based Firefly Algorithm for Earth Slope Stability Evaluation 预览
12
作者 Mohammad KHAJEHZADEH Mohd Raihan TAHA Mahdiyeh ESLAMI 《中国海洋工程:英文版》 SCIE EI CSCD 2014年第5期713-724,共12页
This paper introduces a new approach of firefly algorithm based on opposition-based learning (OBFA) to enhance the global search ability of the original algorithm. The new algorithm employs opposition based learning... This paper introduces a new approach of firefly algorithm based on opposition-based learning (OBFA) to enhance the global search ability of the original algorithm. The new algorithm employs opposition based learning concept to generate initial population and also updating agents’ positions. The proposed OBFA is applied for minimization of the factor of safety and search for critical failure surface in slope stability analysis. The numerical experiments demonstrate the effectiveness and robustness of the new algorithm. 展开更多
关键词 FIREFLY algorithm OPPOSITION based LEARNING safety FACTOR SLOPE stability
在线阅读 下载PDF
基于反向萤火虫算法的多阈值缺陷图像分割 预览 被引量:2
13
作者 陈恺 戴敏 +2 位作者 张志胜 陈平 史金飞 《东南大学学报:英文版》 EI CAS 2014年第4期434-438,共5页
为了分割QFN表面的缺陷,提出一种基于反向萤火虫算法的大津多阈值分割法。首先,将大津阈值分割扩展为大津多阈值分割。其次,提出了一种基于反向学习的萤火虫算法。在该算法中,生成的反向萤火虫用于增加萤火虫的多样性和全局搜索能... 为了分割QFN表面的缺陷,提出一种基于反向萤火虫算法的大津多阈值分割法。首先,将大津阈值分割扩展为大津多阈值分割。其次,提出了一种基于反向学习的萤火虫算法。在该算法中,生成的反向萤火虫用于增加萤火虫的多样性和全局搜索能力。然后,将基于反向学习的萤火虫算法应用于多阈值分割。最后,使用所提出的方法对QFN缺陷图像进行阈值分割实验,并将结果与穷举法、基于粒子群算法的大津多阈值分割法、基于萤火虫算法的大津多阈值分割法进行比较。实验结果表明,所提方法能更有效地分割QFN表面缺陷,且分割速度快。 展开更多
关键词 QFN表面缺陷 反向学习 萤火虫算法 大津多阈值算法
在线阅读 下载PDF
一种自适应惯性权重的混合蛙跳算法 预览 被引量:8
14
作者 刘悦婷 赵小强 《计算机工程》 CAS CSCD 2012年第12期132-135,共4页
针对混合蛙跳算法(SFLA)易陷入局部最优、收敛速度慢的问题,提出一种改进的混合蛙跳算法。该算法用相对基学习法初始化青蛙群体,从而提高初始解的质量。通过引入自适应惯性权重修正青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。... 针对混合蛙跳算法(SFLA)易陷入局部最优、收敛速度慢的问题,提出一种改进的混合蛙跳算法。该算法用相对基学习法初始化青蛙群体,从而提高初始解的质量。通过引入自适应惯性权重修正青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。对6个经典函数的仿真测试结果表明,该算法与SFLA和ISFLA1算法相比寻优能力强、迭代次数少、解的精度高,更适合高维复杂函数的优化。 展开更多
关键词 混合蛙跳算法 相对基学习法 惯性权重 自适应 更新策略 全局最优
在线阅读 下载PDF
基于对位学习多目标遗传算法的板形板厚控制
15
作者 王昱 李勇 《系统仿真学报》 CAS CSCD 北大核心 2012年第4期 863-867,共5页
提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在... 提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。 展开更多
关键词 对位学习 多目标遗传算法 板形板厚控制系统 多目标优化
面向区域普查的电子侦察卫星任务调度 被引量:2
16
作者 邱涤珊 王慧林 +1 位作者 祝江汉 马满好 《小型微型计算机系统》 CSCD 北大核心 2011年第2期379-384,共6页
针对电子侦察卫星区域普查问题(ERSACP)的特点,建立了区域网格空间,提出基于时间、空间、侦察模式匹配的候选侦察活动构造方法;给出了期望侦察效用的概念,建立了问题的多目标规划模型;提出一种嵌入对位学习机制的多目标进化算法... 针对电子侦察卫星区域普查问题(ERSACP)的特点,建立了区域网格空间,提出基于时间、空间、侦察模式匹配的候选侦察活动构造方法;给出了期望侦察效用的概念,建立了问题的多目标规划模型;提出一种嵌入对位学习机制的多目标进化算法(OLMOEA)对其进行求解,同时设计了基于时间可行性判定的初始可行解对位构造算法.仿真实例表明本文模型及算法能够有效解决电子侦察卫星区域普查问题并且性能良好. 展开更多
关键词 电子侦察卫星 区域普查 网格空间 多目标对位进化算法
基于对位学习的多目标遗传算法 被引量:3
17
作者 李勇 刘建昌 王昱 《系统仿真学报》 CAS CSCD 北大核心 2009年第24期7801-7804,共4页
为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证。结果表明,基于对位... 为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证。结果表明,基于对位学习的多目标遗传算法具有较好的收敛性和分布性。 展开更多
关键词 对位学习 多目标遗传算法 多目标优化 算法验证
基于对立学习的改进CoDE算法
18
作者 李匡印 高兴宝 《兰州大学学报:自然科学版》 CAS CSCD 北大核心 2019年第4期549-556,560共9页
针对复合差分进化(CoDE)算法中所采用策略的局部搜索能力较弱及种群初始个体性能较差的缺点,提出了一种改进的CoDE算法.采用对立学习方式对种群进行初始化,改善初始解的性能;为加强算法的局部开发能力,提出了一个具有精英解的新变异策... 针对复合差分进化(CoDE)算法中所采用策略的局部搜索能力较弱及种群初始个体性能较差的缺点,提出了一种改进的CoDE算法.采用对立学习方式对种群进行初始化,改善初始解的性能;为加强算法的局部开发能力,提出了一个具有精英解的新变异策略以改进CoDE变异策略池.对30个CEC2014测试函数进行数值模拟并与9种算法进行了比较,结果表明该算法提高了计算的收敛速度和精度. 展开更多
关键词 差分进化算法 对立学习 精英解 数值模拟
一种混合改进的鸡群优化算法 预览 被引量:4
19
作者 杨菊蜻 张达敏 +1 位作者 张慕雪 朱陈柔玲 《计算机应用研究》 CSCD 北大核心 2018年第11期3290-3293,共4页
针对鸡群算法(CSO)易陷入局部最优和出现早熟收敛的缺陷,提出了一种混合改进的鸡群优化算法(OBSA-CSO)。通过采用反向学习对种群进行初始化,同时对越界个体进行边界变异操作保证了提出算法的种群多样性并利于算法的全局搜索;在寻优过程... 针对鸡群算法(CSO)易陷入局部最优和出现早熟收敛的缺陷,提出了一种混合改进的鸡群优化算法(OBSA-CSO)。通过采用反向学习对种群进行初始化,同时对越界个体进行边界变异操作保证了提出算法的种群多样性并利于算法的全局搜索;在寻优过程中对母鸡采用新的位置更新公式,并对最优个体采用改进退温函数的模拟退火扰动,通过Metropolis准则进行择优的方式有效地提高了算法的寻优精度和收敛速度。通过对七个测试函数在固定迭代次数和固定寻优精度条件下的实验表明,改进后的算法相较于传统鸡群算法具有较好的寻优精度和收敛速度。 展开更多
关键词 鸡群算法 反向学习 边界变异 模拟退火算法
在线阅读 下载PDF
融合榜样学习和反向学习的粒子群优化算法 预览 被引量:4
20
作者 张新明 王霞 +1 位作者 涂强 康强 《河南师范大学学报:自然科学版》 北大核心 2017年第6期91-99,共9页
为了提高粒子群优化算法(Particle swarm optimization,PSO)的优化效率,降低其陷入局部最优的概率,提出了一种融合榜样学习和反向学习的PSO算法(PSO based on combing Example learning and Opposition learning,EOPSO).首先,对粒... 为了提高粒子群优化算法(Particle swarm optimization,PSO)的优化效率,降低其陷入局部最优的概率,提出了一种融合榜样学习和反向学习的PSO算法(PSO based on combing Example learning and Opposition learning,EOPSO).首先,对粒子群中的非最优粒子采用新颖的榜样学习机制更新,以便提高全局搜索能力,避免算法陷入局部最优;其次,对粒子群中最优粒子采用反向学习混合机制更新,提升该粒子的搜索能力,进一步避免算法陷入局部最优;最后,对粒子群中的最优粒子还采用了自身变异机制更新,有利于搜索前期的全局搜索和后期的快速收敛.在15个不同维度的基准函数上进行了仿真实验,实验结果表明,与最先进的PSO改进算法ELPSO、SRPSO、LFPSO、HCLPSO相比,EOPSO优化性能更好. 展开更多
关键词 智能优化算法 粒子群优化算法 榜样学习 反向学习
在线阅读 免费下载
上一页 1 2 10 下一页 到第
使用帮助 返回顶部 意见反馈
新型冠状病毒肺炎防控与诊疗专栏