从优化算法应该具有的共性出发,提出一种全新的算法——学习算法(LA)。该算法记录历史最优解和当前最优解这两组关键历史信息,然后让当前解向这两种最优解聚集(即学习的过程);同时为了不放弃其他区域的搜索,
提出了一种安全性高的DWT(discretewavelettransform)域鲁棒性扩频水印算法。该算法用Arnold变换对水印置乱,而后基于复合混沌二值序列对水印图案信号进行加密和扩频,并给出了一
为了提高多目标优化算法的求解性能,提出一种启发式的基于种群的全局搜索与局部搜索相结合的多目标进化算法混合框架.该框架采用模块化、系统化的设计思想,不同模块可以采用不同策略构成不同的算法.采用经典的改进
分形算法是一种全局优化算法,通过对可行域的嵌套分割来完成搜寻过程,由于其深度优先的搜索策略,开始容易陷入局部最优,收敛速度慢。针对原算法的缺点,提出一种改进的分形优化算法。该算法模拟分形生长的过程,避
论文研究-一种基于Bayes方法的优化算法.pdf,
对实际问题而言,人们对于问题的解一般会有一个初步认识,并且这种认识
基于惯性权重对微粒群优化算法(ParticleSwarmOptimization,PSO)优化性能的显著影响,提出了一种改变惯性权重的方法以改进PSO算法的优化性能。算法中惯性权重的动态改变是通过对其
为了解决标准粒子群优化算法(particleswarmoptimization,PSO)收敛速度慢和容易陷入局部极小值的问题,提出了一种改进的方法。算法针对PSO算法在搜索过程中常处于一个相对稳定的阶
为了提高非劣解向Pareto最优面收敛的速度以及解的多样性,设计了一种新的杂交算子并改进了NSGA-Ⅱ算法。在此算法中,采用中心均值重组算子策略增强算法全局快速搜索能力,以获得最佳的Pareto近似解
为了提高免疫克隆算法的寻优能力,借鉴生物免疫系统的Baldwin效应及生物进化的周期性,提出了一种Baldwin效应的正向和反向学习机制,克服纯粹随机进化;利用生物进化的周期性,设计了周期变异算子,提
用蚁群算法进行函数优化时,存在收敛速度慢且易于陷入局部最优解的问题。针对这一现状,提出了一种微粒群和蚂蚁算法相结合的混合连续优化算法,该算法引入微粒群优化操作进行全局搜索牵引,采用网格法进行细密度的蚂