暂无评论
针对具有复杂约束条件的优化问题,提出了一种混合粒子群算法。该混合算法在将标准粒子群算法与线性搜索法有机结合的基础上,依次对粒子的每一维变量进行适当变化并同时判断其变化的效果。最后进行了数值实验,其结果
针对约束优化问题,提出一种自适应人工蜂群算法。算法采用反学习初始化方法使初始种群均匀分布于搜索空间。为了平衡搜索过程中可行个体和不可行个体的数量,算法使用自适应选择策略。在跟随蜂阶段,采用最优引导搜索
利用增广Lagrange罚函数处理问题的约束条件, 提出了一种新的约束优化差分进化算法。基于增广Lagrange惩罚函数, 将原约束优化问题转换为界约束优化问题。 在进化过程中, 根据个体的适应度值将
论文研究-求解约束优化问题的内外交叉遗传算法.pdf, 针对很多约束优化问题的最优解位于可行域的边界上或其附近的特点,提
关键字:物流 1 RFID简介 RFID[1]诞生于二战期间,是英文Radio Frequency Identification技术的缩写,指利用无线射频传输技术来存储数据和检索数据的过程,是非
针对传统的装备配送模式存在着分区复杂、物资无法共享以及配送路径优化不合理等问题,提出了装备联合配送的方式,综合考虑配送时间、部队服务满意度和配送成本的目标,构建带时间窗的联合配送路径优化模型。并针对模
论文研究-Job-Shop调度问题的优化模型及算法.pdf, 建立了关于Job-Shop调度问题的一般优化模型,将问题归结为双层规划,以特例形式给出了最小完工时间与提前/拖期Job-Shop调度批量模
为解决服务器集群负载分配不均的问题,根据用户访问的请求类型,综合考虑用户历史请求引起的负载增量和服务器节点性能,提出了基于预测机制的分级负载均衡算法。负载均衡节点根据用户访问的请求类型建立一次指数平滑
现有的基于密度优化初始聚类中心的k-means算法存在聚类中心的搜索范围大、消耗时间久以及聚类结果对孤立点敏感等问题,针对这些问题,提出了一种基于平均密度优化初始聚类中心的k-means算法adk-m
针对传统的K-means算法对于初始聚类中心点和聚类数的敏感问题,提出了一种优化初始聚类中心选取的算法。该算法针对数据对象的分布密度以及计算最近两点的垂直中点方法来确定k个初始聚类中心,再结合均衡化函
暂无评论