暂无评论
将进化算法应用于某些多目标优化问题时,采用增加种群规模和进化代数的方法往往耗费大量的目标函数计算开销,且达不到提高种群进化效率的目的,为此提出了一种基于自适应学习最优搜索方向的多目标粒子群优化算法。采
随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法(FCM)已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值
在标准粒子群优化(particleswarmoptimization,PSO)算法的基础上提出了一种带有动态惯性权重的自适应粒子群算法,以实现移动WSN对被监测区域的覆盖。新算法引入了粒子群进化度因子
提出了一种融合蚁群系统、免疫算法和遗传算法的混合算法。将免疫算法和遗传算法引入到每次蚁群迭代的过程中,利用免疫算法的局部优化能力和遗传算法的全局搜索能力,来提高蚁群系统的收敛速度。该算法通过遗传算法的
粒子群优化算法参数少,寻优速度快,但其寻优效率低且在寻优后期易早熟收敛。为改善其寻优性能,在标准粒子群优化算法中,通过引入混沌映射和自适应变异策略,提出具有自适应变异的混沌粒子群优化(ACPSO)算法
针对凸松弛方法在解决三维人体姿势估计的问题时存在迭代次数较多、准确度不高的不足,提出一种基于遗传优化的自适应凸松弛人体姿势估计算法。该算法首先对关键参数的更新方式进行自适应处理,然后利用遗传优化算法对
针对脉冲耦合神经网络(PulseCoupledNeuralNetworks,PCNN)中参数选取不易确定的不足,提出一种基于脉冲耦合神经网络和果蝇优化算法(FruitFlyOptimizationAl
针对传统果蝇优化算法(FOA)收敛精度不高和易陷入局部最优的缺点,提出了一种迭代步进值自适应调整的果蝇优化算法(FOAMR)。在该算法中,引入了果蝇群体速度进化因子和聚集度因子,并将迭代步进值表示为以
针对早期概率响应TCP(PERT)在实际网络中与基于丢包的协议(如TCP)共存时存在带宽共享公平性方面处于弱势的问题,提出一种改进的PERT协议(modifiedPERT,MPERT)。该协议通过动态
随着三维打印技术的发展,面向3D打印服务的云制造平台也得到快速发展,改变着传统的制造模式。然而目前的云制造平台面临着诸多问题,针对目前存在的模型修复难度高及任务不能合理调度的问题,提出了保特征的模型修
暂无评论