针对粒子群容易陷入局部最优的情况,加入了小生境技术,避免了粒子群陷入局部最优,保持种群多样性的优点!
提出一种新的基因操作策略, 该策略利用单纯形法的思想产生新样本, 将遗传算法寻优的随机 性与传统算法寻优的方向性有机地结合在一起。 仿真结果表明,将改进的遗传算法用于训练神经网络辨 识器,可提高收敛速
针对K-medoids算法的全局搜索能力弱和迭代计算过程计算量大的不足,提出了一种改进的基于粒子群的粗糙K-medoids算法。该算法通过粒子群算法来改善K-medoids全局搜索能力,通过计算样本集
针对云计算中无法合理分配资源的问题,提出了采用改进的粒子群算法对其进行分配。由于粒子群算法存在局部收敛速度快,容易陷入局部最优解的情况,从粒子的选择、参数调整和预防过早收敛三个方面进行改进: (1)选
针对K-means对初始聚类中心敏感和易陷入局部最优的缺点,提出了一种改进的基于粒子群的聚类算法。该算法结合基于密度和最大最小距离法来确定初始聚类中心,解决K-means对初始值敏感的问题;利用粒子群
一种改进的基于进化状态的粒子群算法,赵海娜,孙长银,本文借鉴聚类分析中聚类中心的概念,对基于进化状态估计的自适应粒子群算法中的进化因子进行改进,提出了一种新的计算进化因子的
针对标准粒子群算法收敛速度慢和易出现早熟收敛等问题, 提出一种高效粒子群优化算法. 首先利用局部 搜索算法的局部快速收敛性, 对整个粒子群目前找到的最优位置进行局部搜索; 然后, 为了跳出局部最优,
为提高基本粒子群算法的搜索效率,引入和声算法中产生新解的策略(称之为和声策略),综合粒子自身经验和社会认知两方面的信息直接更新粒子的位置,提出了基于和声策略的新型粒子群优化算法,通过对高维复杂函数的优
模式匹配的一种改进算法----KMP算法
用户评论