ReLU激活函数优化研究

针对基本混合蛙跳算法在处理复杂函数优化问题时容易陷入局部最优、收敛速度慢的缺点，提出了一种改进的混合蛙跳算法。该算法把生物学中的吸引排斥思想引入到混合蛙跳算法中，修正了其更新策略，从而维持了子群的多样

针对目前多峰函数优化问题较难找到全部局部最优解的情况，提出了一种粒子群Memetic算法。算法结合了粒子群优化的全局搜索能力和爬山法的局部搜索能力，增强了算法搜索最优解的能力。实验结果表明，该算法求解

以加权高斯函数模拟信息素的密度分布，并以此进行随机抽样，构成蚁群的状态转移规则。蚁群在信息素的引导下逐步向最优食物聚集。引入禁忌策略作为优进策略，以提高蚁群的寻优能力。测试表明算法适用于连续优化问题，

蜂群算法在函数优化问题中的应用，王慧，，函数优化是算法应用中的基本问题，蜂群算法作为遗传算法与生物种群习性特征相结合的新算法，比较适合于此类问题的求解。本文首先

开采沉陷动态预计描述了地表移动变形与开采时间的关系，在防治采空区地表移动变形破坏方面具有重要的指导意义。时间函数是动态预计的理论核心，以其为基础建立的开采沉陷动态预计模型为地表建筑物的保护提供了实时和

针对函数优化问题，提出一种混沌大洪水混合优化算法。该混合算法基于大洪水算法寻优思想和混沌序列的内在随机性、遍历性和规律性特点。算法在Delphi 7环境下编程实现，针对几个典型复杂函数进行优化测试。仿

交叉熵方法（Cross Entropy）是近几年发展而来的一种启发式方法，在求解组合优化问题中显示出其简单有效的特点，将运用交叉熵方法（CE）寻求图论中一个典型的NP困难问题—最大割问题的最优解。为了

针对混洗蛙跳算法在求解连续函数优化问题中出现的收敛速度慢、求解精度低的缺点, 提出了一种基于反向学习策略的改进算法, 在种群初始化和进化过程中分别加入反向操作, 产生更靠近优质解的种群, 从而提高了算

针对目前多峰函数优化问题较难找到全部局部最优解的情况,提出了改进的免疫优化求解方法。借鉴免疫系统的受体编辑操作、Baldwin效应,设计了相应的算子,增强了算法的学习能力,提高了算法的收敛速度。实验结

为了更深入地分析探讨粒子群优化算法的性能,采用两种基本改进策略在MATLAB 7.0中对几个典型测试函数的优化问题进行了实验,即单独采用线性递减惯性权重策略以及在其基础上再加入收缩因子法,给出了这两种