暂无评论
为了快速求解大规模优化问题, 构造出了可全局收敛的蝙蝠算法。在该算法中, 将一个蝙蝠看成是优化问题的一个候选解; 采用正交拉丁方原理生成蝙蝠群的初始空间位置, 以达到对搜索空间的均衡分散性和整齐可比性
针对微分进化(differentialevolution,DE)算法在进化后期收敛速度慢、收敛精度低、易陷入局部最优解等缺点。通过改进DE的变异方程,并引入一种新的控制参数自适应策略,提出了一种改进自
针对动态优化问题(Dynamic Optimization Problem,DOP)中所面临的过时记忆和多样性丧失的挑战,提出了一种改进的多种群骨干粒子群优化算法(Multi-swarms Bare
供应链优化研究是供应链管理中的一个重要问题,也是一个难题,针对该问题,提出了一个新型供应链优化模型,并且构造了广义遗传算法对其求解,该算法融入了特殊的演化规则,克服了遗传算法局部收敛的缺陷,提高了全局
提出一种多目标粒子群算法处理约束优化问题(MOCPSO)。首先将约束优化问题转换为多目标问题;然后给出一个不可行阈值来充分地利用不可行粒子的信息引导种群的飞行,并提出一种粒子间的比较准则以比较它们的优
针对小生境粒子群优化技术中小生境半径等参数选取问题,提出了一种新颖的小生境方法,无须小生境半径等任何参数。通过监视粒子正切函数值的变化,判断各个粒子是否属于同一座山峰,使其追踪所在山峰的最优粒子飞行,
传统遗传算法(SGA)在处理多峰值函数优化问题中存在局部收敛性的问题,最初的量子遗传算法(QGA)也存在这一问题。运用一种改进量子遗传算法(MQGA),有效地解决了一些多峰值函数的优化问题。根据几个重
一种基于GPU并行免疫算法的大规模TSP问题求解,魏卓群,赵珺,并行计算为求解大规模优化问题提供了一种有效的方法,但是随着问题规模的增大,进程之间的通讯损耗也会变得很大,实际进行并行或
文化算法模拟文化进化过程,在实现个体进化的种群空间基础上,构建信度空间,用于对进化过程中有效隐含信息的挖掘和利用。该双层进化机制为进化计算中的知识引导提供了通用框架,已证明能有效提高算法性能,并被成功
基于matlab编写的人工免疫算法求解TSP问题,AIS.m为程序的主入口
暂无评论