電子發(fā)燒友App

硬聲App

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

電子發(fā)燒友網(wǎng)>電子技術(shù)應(yīng)用>電子常識(shí)>什么是進(jìn)化算法

什么是進(jìn)化算法

收藏

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

評(píng)論

查看更多

相關(guān)推薦

人工智能的算法有哪些?

人工智能的算法有哪些? 隨著人工智能技術(shù)的快速發(fā)展,在不斷地挖掘和研究中,在人工智能算法中也出現(xiàn)了越來越多的類型。目前,人工智能算法主要包括:機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法、進(jìn)化算法、神經(jīng)網(wǎng)絡(luò)算法
2023-08-09 17:49:13529

粒子群算法的MATLAB實(shí)現(xiàn)(2)

粒子群算法經(jīng)常與其他算法混合使用?;旌喜呗跃褪菍⑵渌?b style="color: red">進(jìn)化算法、傳統(tǒng)優(yōu)化算法或其他技術(shù)應(yīng)用到PSO中,用于提高粒子多樣性、增強(qiáng)粒子的全局探索能力,或者提高局部開發(fā)能力、增強(qiáng)收斂速度與精度。
2023-07-21 15:27:56319

粒子群算法的MATLAB實(shí)現(xiàn)(1)

粒子群算法(Particle Swarm Optimization,PSO)屬于進(jìn)化算法的一種,和模擬退火算法相似,它也是從隨機(jī)解出發(fā),通過迭代尋找最優(yōu)解。
2023-07-21 15:25:00469

基于進(jìn)化卷積神經(jīng)網(wǎng)絡(luò)的屏蔽效能參數(shù)預(yù)測

進(jìn)化神經(jīng)網(wǎng)絡(luò)是進(jìn)化算法和深度學(xué)習(xí)兩者相結(jié)合的產(chǎn)物,在算法中神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值在初始種群個(gè)體染色體中,再用進(jìn)化算法優(yōu)化權(quán)值和閾值,同時(shí)具有深度神經(jīng)網(wǎng)絡(luò)的自動(dòng)構(gòu)建和學(xué)習(xí)訓(xùn)練模型的優(yōu)勢。
2023-04-07 16:21:35120

0053《進(jìn)化算法》冶金工業(yè)出版社-2000.pdf

=viewthread&tid=287358&fromuid=286650053《進(jìn)化算法》冶金工業(yè)出版社-2000.pdf(3M)希望大家多頂頂,提升提升人氣。
2013-01-03 09:50:04

使用差分進(jìn)化的PWM混合電源轉(zhuǎn)換器【含Matlab源碼】

這是在《數(shù)學(xué)》雜志上發(fā)表的使用差分進(jìn)化算法的混合功率轉(zhuǎn)換器PWM策略的代碼在過去的幾年中,由于直流到直流轉(zhuǎn)換器在可再生能源系統(tǒng)中的應(yīng)用,人們對(duì)它的興趣增加了。因此,研究團(tuán)體正在努力提高其效率,以最低
2022-01-06 13:04:412

異構(gòu)有向傳感器網(wǎng)絡(luò)的改進(jìn)差分進(jìn)化算法

為提高異構(gòu)有向傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)調(diào)度效率,基于學(xué)習(xí)自動(dòng)機(jī)提出一種參數(shù)自適應(yīng)的差分進(jìn)化算法。將節(jié)點(diǎn)調(diào)度問題轉(zhuǎn)化為集合覆蓋問題,利用學(xué)習(xí)自動(dòng)機(jī)與環(huán)境的交互實(shí)現(xiàn)差分算法控制參數(shù)的自適應(yīng)選擇,同時(shí)采用自適應(yīng)
2021-06-08 14:44:4913

蛋白質(zhì)能量模型的多模態(tài)優(yōu)化算法綜述

蛋白質(zhì)能量模型的不精確性導(dǎo)致數(shù)學(xué)上的最優(yōu)解并不一定對(duì)應(yīng)其穩(wěn)定的夭然態(tài)結(jié)構(gòu),冋時(shí)其巨大的構(gòu)象空間使得現(xiàn)有方法也極易收斂到局部最優(yōu)解。針對(duì)蛋白質(zhì)結(jié)構(gòu)能量模型不精確和高維構(gòu)象空間采樣可靠性低的問題,在進(jìn)化
2021-05-18 15:33:141

基于差分進(jìn)化算法的CNN推斷任務(wù)卸載策略

卸載到云上執(zhí)行,難以適應(yīng)時(shí)延敏感的移動(dòng)應(yīng)用程序。為解決上述問題,提出了一種基于改進(jìn)差分進(jìn)化算法的CNN推斷任務(wù)卸載策略,它采用端云協(xié)作模式將計(jì)算任務(wù)部署在云和邊緣設(shè)備之間。該策略研究了成本約束下最小化時(shí)廷的任務(wù)卸載方案,將CNN推斷過程轉(zhuǎn)化為任務(wù)圖并將其構(gòu)建為
2021-05-10 14:06:362

基于NSGA2算法的ZDT1函數(shù)相關(guān)測試案例下載

NSGA2算法是一種簡單、高效且被廣泛使用的多目標(biāo)進(jìn)化算法,本算法實(shí)例對(duì)ZDT1函數(shù)進(jìn)行測試,能夠高效的的得到pareto解集。
2021-04-30 09:26:160

求解動(dòng)態(tài)優(yōu)化問題的鄰域搜索差分進(jìn)化算法

針對(duì)原始動(dòng)態(tài)自適應(yīng)差分進(jìn)化(SADE)算法局部搜索能力弱和尋優(yōu)精度低的問題,提出一種求解動(dòng)態(tài)優(yōu)化問題的鄰域搜索差分進(jìn)化(NSDE)算法。通過引入鄰域搜索機(jī)制,在劃分種群最優(yōu)個(gè)體的鄰域空間范圍內(nèi)產(chǎn)生
2021-04-27 11:32:343

進(jìn)化算法為搜索策略實(shí)現(xiàn)神經(jīng)架構(gòu)搜索的方法

自動(dòng)化深度學(xué)習(xí)是目前深度學(xué)習(xí)領(lǐng)域的研究熱點(diǎn),神經(jīng)架構(gòu)搜索算法是實(shí)現(xiàn)自動(dòng)化深度學(xué)習(xí)的主要方法之一,該類算法可以通過對(duì)搜索空間、搜索策略或優(yōu)化策略進(jìn)行不同定義來自動(dòng)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。闡述進(jìn)化算法進(jìn)化
2021-03-22 14:37:0614

一種改進(jìn)的花朵授粉算法的WEB服務(wù)組合優(yōu)化

全局搜索和局部搜索的動(dòng)態(tài)轉(zhuǎn)換,促進(jìn)種群優(yōu)化。將差分進(jìn)化算法的變異和交換操作加入到花朵授粉算法中,增強(qiáng)花朵的有效性和多樣性,同時(shí)利用貪心策略選擇適應(yīng)度值髙的花朵,加快算法收斂速度,増?jiān)鰪?qiáng)其尋優(yōu)能力。實(shí)驗(yàn)結(jié)果表明,與D
2021-03-16 10:58:067

基于長短時(shí)記憶網(wǎng)絡(luò)的自適應(yīng)零速檢測算法

軸角速度和時(shí)序特征,通過優(yōu)化零速檢測算法實(shí)現(xiàn)多運(yùn)動(dòng)模式下的自適應(yīng)零速檢測,在此基礎(chǔ)上采用差分進(jìn)化算法融合藍(lán)牙等定位方式對(duì)累積誤差進(jìn)行數(shù)據(jù)修正。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)卡爾曼濾波算法相比,本文算法定位絕對(duì)誤差由
2021-03-16 09:25:088

改進(jìn)版離散差分進(jìn)化算法及其方案

為提高離散桁架優(yōu)化問題的計(jì)算效率,提出一種改進(jìn)的離散差分進(jìn)化算法?;诜N群多樣性自適應(yīng)地選擇變異策略以平衡探索和收斂能力,根據(jù)個(gè)體差異度和種群多樣性縮減種群規(guī)模以減少計(jì)算量,在進(jìn)行結(jié)構(gòu)分析前舍棄較大
2021-03-11 17:29:1618

華為基于iEVO算法實(shí)現(xiàn)多節(jié)點(diǎn)探針AI檢測模型持續(xù)的優(yōu)化測試

-?通過iEVO檢測模型自進(jìn)化算法,將獨(dú)立的AI檢測模型進(jìn)行聚合調(diào)優(yōu)、更新和分發(fā),構(gòu)建自進(jìn)化AI檢測引擎。分布式AI檢測引擎將系統(tǒng)感知能力前移,基于iEVO算法實(shí)現(xiàn)多節(jié)點(diǎn)探針AI檢測模型的持續(xù)優(yōu)化,提升整網(wǎng)的威脅檢出率。
2020-09-18 11:01:521908

灰狼優(yōu)化器的介紹和灰狼優(yōu)化算法代碼免費(fèi)下載

、貝塔、三角洲和歐米茄,被用來模擬領(lǐng)導(dǎo)階層。此外,還實(shí)現(xiàn)了捕獵、尋找獵物、包圍獵物和攻擊獵物三個(gè)主要步驟。將該算法與粒子群優(yōu)化算法(PSO)、引力搜索算法(GSA)、差分進(jìn)化算法(DE)、進(jìn)化規(guī)劃算法(EP)和進(jìn)化策略(ES)進(jìn)行了比較研究,結(jié)果表明,該算法
2019-10-22 08:00:005

神經(jīng)網(wǎng)絡(luò)進(jìn)化能否改變機(jī)器學(xué)習(xí)

神經(jīng)進(jìn)化進(jìn)化算法和人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來,能像類似于地球上大腦進(jìn)化的方式來訓(xùn)練系統(tǒng)。
2019-07-11 16:16:14647

Nature新子刊《自然-機(jī)器智能》悄然上線

此外,第一期的《自然-機(jī)器智能》的內(nèi)容覆蓋上述三大主題,文章包括開發(fā)用于自適應(yīng)人機(jī)協(xié)作的算法、將深度學(xué)習(xí)與進(jìn)化算法相結(jié)合的方法、深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域進(jìn)行不確定性量化的必要性、人工智能中倫理問題的不同時(shí)間尺度等。
2019-01-10 09:54:224784

如何使用多變異策略進(jìn)行自適應(yīng)差分進(jìn)化算法的詳細(xì)資料說明

為了克服差分進(jìn)化算法尋優(yōu)精度低、收斂速度慢、穩(wěn)定性差等不足,提出一種基于多變異策略的自適應(yīng)差分進(jìn)化算法( ADE-MM)。首先,在3個(gè)變異策略的選擇過程中添加2個(gè)具有學(xué)習(xí)功能的擾動(dòng)閾值,以提高種群
2018-12-14 10:54:000

關(guān)系模型的進(jìn)化算法收斂性對(duì)比的詳細(xì)資料說明

研究建立了一種等態(tài)等價(jià)關(guān)系與強(qiáng)/弱態(tài)偏序關(guān)系模型,用于分析進(jìn)化算法在收斂性上的等價(jià)性與可比性.基于吸收態(tài)Markov(馬爾可夫)性,滿足等態(tài)關(guān)系的進(jìn)化算法具有等價(jià)的收斂性,從而在收斂性意義上實(shí)現(xiàn)了
2018-12-03 14:15:046

面向機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)突變算法

與最先進(jìn)的人工設(shè)計(jì)架構(gòu)、基于強(qiáng)化學(xué)習(xí)的架構(gòu)搜索方法、以及基于進(jìn)化算法的其他自動(dòng)化方法的結(jié)果相比,結(jié)構(gòu)突變算法在分類錯(cuò)誤上稍高出前幾種方法,但耗時(shí)要少得多,比其他方法快了50000倍,錯(cuò)誤率最多僅比基準(zhǔn)數(shù)據(jù)集CIFAR-10上的最有力競爭對(duì)手高出0.6%。
2018-09-08 09:07:302542

一探究竟視覺學(xué)習(xí)、圖形攝影、人類感知、立體三維以及識(shí)別等各個(gè)領(lǐng)域

同時(shí)來自約翰霍普金斯大學(xué)、斯坦福大學(xué)和谷歌聯(lián)合研究的漸進(jìn)式神經(jīng)架構(gòu)搜索,用于學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。通過基于序列模型的優(yōu)化策略實(shí)現(xiàn)了高于強(qiáng)化學(xué)習(xí)和進(jìn)化算法近五倍的效率和8倍的總體計(jì)算提升。并在CIFAR-10和ImageNet上取得了很高的精度。
2018-09-04 08:58:273712

你知道機(jī)器深度學(xué)習(xí) 那你知道全新的進(jìn)化算法

基于目前人類在神經(jīng)網(wǎng)絡(luò)算法和機(jī)器深度學(xué)習(xí)取得的成就,很容易讓人產(chǎn)生計(jì)算機(jī)科學(xué)只包含這兩部分的錯(cuò)覺。一種全新的算法甚至比深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)有更明顯的優(yōu)勢:這種算法是基于創(chuàng)造人類大腦的方式——進(jìn)化來進(jìn)行的。
2018-08-06 08:27:112840

漸進(jìn)式神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索技術(shù)

我們提出一種學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)結(jié)構(gòu)的新方法,該方法比現(xiàn)有的基于強(qiáng)化學(xué)習(xí)和進(jìn)化算法的技術(shù)更有效。使用了基于序列模型的優(yōu)化(SMBO)策略,在這種策略中,按照增加的復(fù)雜性對(duì)結(jié)構(gòu)進(jìn)行搜索,同時(shí)學(xué)習(xí)代理模型(surrogate model)來引導(dǎo)在結(jié)構(gòu)空間中的搜索。
2018-08-03 09:32:325085

自然計(jì)算、 機(jī)器學(xué)習(xí)與圖像理解前沿

進(jìn)化計(jì)算的主要分支 9 1.3.2 進(jìn)化計(jì)算的數(shù)學(xué)基礎(chǔ) 12 1.3.3 進(jìn)化算法的收斂理論 13 1.3.4 進(jìn)化計(jì)算的應(yīng)用 18 1.4 協(xié)同進(jìn)化計(jì)算 19 1.4.1 協(xié)同進(jìn)化的生物學(xué)基礎(chǔ) 20
2018-06-27 18:57:01177

關(guān)于基于TMS320C6678的粒子群算法并行的設(shè)計(jì)

粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法[1]是由KENNEDY J和EBERHART R C等開發(fā)的一種新的進(jìn)化算法。相對(duì)于遺傳算法[2]等,該算法參數(shù)較少
2018-06-22 14:53:004788

基于反向?qū)W習(xí)的自適應(yīng)差分進(jìn)化算法

為解決差分進(jìn)化( DE)算法過早收斂與搜索能力低的問題,討論對(duì)控制參數(shù)的動(dòng)態(tài)調(diào)整,提出一種基于反向?qū)W習(xí)的自適應(yīng)差分進(jìn)化算法。該算法通過反向精英學(xué)習(xí)機(jī)制來增強(qiáng)種群的局部搜索能力,獲取精確度更高的最優(yōu)
2018-03-29 17:44:351

基于微分控制策略的快速粒子群優(yōu)化算法

粒子群優(yōu)化( Particle Swarm Optimization,PSO)算法是一種基于種群全局隨機(jī)搜索策略的智能進(jìn)化算法。相比于其他智能算法,粒子群優(yōu)化算法在解決多目標(biāo)優(yōu)化、動(dòng)態(tài)尋優(yōu)等問題上
2018-03-29 10:56:100

進(jìn)化算法發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)架構(gòu)

綜上所述,盡管我們通過簡單的初始架構(gòu)和直觀的突變來最小化處理研究人員的參與,但大量專家知識(shí)進(jìn)入了構(gòu)建這些架構(gòu)的構(gòu)建塊之中。其中一些包括重要的發(fā)明,如卷積、ReLUs和批處理的歸一化層。我們正在發(fā)展一個(gè)由這些組件構(gòu)成的體系結(jié)構(gòu)。 “體系結(jié)構(gòu)”這個(gè)術(shù)語并不是偶然的:這與構(gòu)建高質(zhì)量的磚房相似。
2018-03-20 16:01:564890

自學(xué)習(xí)差異進(jìn)化算法

為解決動(dòng)態(tài)環(huán)境下的多中心優(yōu)化問題,提出自學(xué)習(xí)差異進(jìn)化算法。通過評(píng)估特定個(gè)體檢測到環(huán)境變化,自學(xué)習(xí)算子將群體引至新的環(huán)境,并保持群體的拓?fù)浣Y(jié)構(gòu)不變,以繼續(xù)當(dāng)前的進(jìn)化趨勢。采用鄰域搜索機(jī)制加快算法的收斂
2018-03-13 16:46:030

智能配電網(wǎng)孤島劃分策略

開關(guān)進(jìn)行網(wǎng)絡(luò)連通性分析,進(jìn)行初始孤島劃分。然后,對(duì)每個(gè)初始孤島,建立切負(fù)荷一網(wǎng)絡(luò)重構(gòu)雙層優(yōu)化模型,并采用微分進(jìn)化算法和混合粒子群算法求解,以降低搜索空間維數(shù)。具體地,在切負(fù)荷優(yōu)化模型中,在允許頻偏范圍內(nèi)充分
2018-03-01 14:49:390

解析圖像分類器結(jié)構(gòu)搜索的正則化異步進(jìn)化方法 并和強(qiáng)化學(xué)習(xí)方法進(jìn)行對(duì)比

在本篇論文中,研究人員使用流行的異步進(jìn)化算法(asynchronous evolutionary algorithm)的正則化版本,并將其與非正則化的形式以及強(qiáng)化學(xué)習(xí)方法進(jìn)行比較。
2018-02-09 14:47:413282

蟻群算法基本原理及其應(yīng)用實(shí)例

蟻群算法是一種仿生學(xué)算法,其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。蟻群算法是一種模擬進(jìn)化算法,初步的研究表明該算法具有許多優(yōu)良的性質(zhì)。針對(duì)PID控制器參數(shù)優(yōu)化設(shè)計(jì)問題,將蟻群算法設(shè)計(jì)的結(jié)果
2018-02-02 09:44:1589998

二次路徑規(guī)劃QACO算法

蟻群優(yōu)化( Ant Colony Optimization,ACO)算法是一種新穎的啟發(fā)式進(jìn)化算法,其算法基本思想受到了蟻群覓食過程的啟發(fā)。生物學(xué)家經(jīng)過大量的觀察研究發(fā)現(xiàn),螞蟻個(gè)體在運(yùn)
2018-01-22 10:31:440

基于改進(jìn)GEP的局部云任務(wù)調(diào)度算法

針對(duì)云計(jì)算中一些現(xiàn)有的基于批量調(diào)度模式和進(jìn)化算法的動(dòng)態(tài)云任務(wù)調(diào)度算法計(jì)算量較大,計(jì)算時(shí)間成本較高的現(xiàn)象,提出了一種基于改進(jìn)基因表達(dá)式編程(GEP)和資源改變量的局部云任務(wù)調(diào)度算法.首先結(jié)合云任務(wù)調(diào)度
2018-01-18 13:50:440

基于雙變異策略的骨架差分算法

骨架差分進(jìn)化算法能夠較好規(guī)避差分進(jìn)化算法控制參數(shù)和變異策略選擇問題。針對(duì)基于雙變異策略的經(jīng)典骨架差分算法( MGBDE)沒有根據(jù)個(gè)體進(jìn)化差異選擇適合的變異策略和考慮早熟收斂的問題,提出一種改進(jìn)算法
2018-01-16 16:08:280

流水車間調(diào)度量子差分進(jìn)化算法

針對(duì)阻塞流水車間調(diào)度問題( BFSP),提出了一種新穎的量子差分進(jìn)化(NQDE)算法,用于最小化最大完工時(shí)間。該算法將量子進(jìn)化算法(QEA)與差分進(jìn)化(DE)相結(jié)合,設(shè)計(jì)一種新穎的量子旋轉(zhuǎn)機(jī)制控制
2018-01-14 16:17:050

基于改進(jìn)多目標(biāo)螢火蟲優(yōu)化算法的模糊聚類方法

獲得更加均勻分布的非劣解,其中以動(dòng)態(tài)減小的概率選擇個(gè)體并采用類似于差分進(jìn)化算法中變異算子的策略對(duì)其進(jìn)行變異,通過自適應(yīng)調(diào)整收縮因子以提高變異效率。然后當(dāng)歸檔集中的最優(yōu)解集充滿時(shí),從中選取一定量的解與當(dāng)前種群
2018-01-14 11:08:371

DENSER是一種用進(jìn)化算法自動(dòng)設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)(ANNs)的新方法

深度進(jìn)化網(wǎng)絡(luò)結(jié)構(gòu)表示(DENSER)是一種用進(jìn)化算法自動(dòng)設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)(ANNs)的新方法。該算法不僅能搜索最佳網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),還能調(diào)整超參數(shù)(比如學(xué)習(xí)或數(shù)據(jù)增強(qiáng)超參數(shù))。為了實(shí)現(xiàn)自動(dòng)設(shè)計(jì),該模型
2018-01-10 15:49:445804

求解#SMT問題的局部搜索算法

規(guī)模#SMT實(shí)例的求解器亟待解決.基于以上原因,設(shè)計(jì)了一種求解較大規(guī)模#SMT實(shí)例的近似求解器一一VolComputeWithLocalSearch.它在現(xiàn)有的#SMT精確求解算法的基礎(chǔ)上加入差分進(jìn)化算法,通過調(diào)用體積計(jì)算工具qhull,進(jìn)而給出#SMT問題的近似解.算法采用群體規(guī)則
2018-01-09 14:38:540

無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位的協(xié)同進(jìn)化算法

為進(jìn)一步提高無線傳感器網(wǎng)絡(luò)(WSN)中節(jié)點(diǎn)的定位精度,提出了一種雙系統(tǒng)協(xié)同進(jìn)化(BCO)算法。改進(jìn)算法利用粒子群優(yōu)化(PSO)算法快速收斂的特性和混合蛙跳算法(SFLA)較高的尋優(yōu)精度的特性,在較少
2018-01-08 16:45:010

基于趨勢預(yù)測模型的TPM的分布估計(jì)算法

多目標(biāo)優(yōu)化問題廣泛存在于現(xiàn)實(shí)世界的應(yīng)用當(dāng)中。傳統(tǒng)的基于個(gè)體進(jìn)化策略的進(jìn)化算法在處理這些優(yōu)化問題時(shí)往往收斂速度慢、嚴(yán)格依賴于種群大小而且效果不大理想。分布估計(jì)算法作為元啟發(fā)式
2018-01-08 15:40:500

染色體易位的動(dòng)態(tài)進(jìn)化算法CTDEA

針對(duì)采用二進(jìn)制編碼的進(jìn)化算法在函數(shù)優(yōu)化過程中會(huì)因?yàn)榫S度之間的相互干擾,導(dǎo)致部分低階模式出現(xiàn)無法進(jìn)行有效重組的現(xiàn)象,提出一種新的結(jié)合細(xì)胞學(xué)研究成果的進(jìn)化算法染色體易位的動(dòng)態(tài)進(jìn)化算法( CTDEA
2018-01-04 14:16:250

一種求解RTVKP問題的精確算法

算法、近似算法和遺傳算法.首先,利用動(dòng)態(tài)規(guī)劃提出了一種求解RTVKP問題的精確算法,對(duì)算法時(shí)間復(fù)雜度的比較結(jié)果表明,它比已有的精確算法更適于求解背包載重較大的一類RTVKP實(shí)例.然后,分別基于差分演化和粒子群優(yōu)化與貪心修正策略相結(jié)合,提出了求解RTVKP問題的兩種進(jìn)化算法.對(duì)5個(gè)RTVKP實(shí)例
2018-01-03 10:27:380

混合多種約束的并行約束差分進(jìn)化算法

針對(duì)約束差分進(jìn)化算法中單一約束處理技術(shù)無法適合所有優(yōu)化問題的情況,提出了一種混合多種約束處理技術(shù)的并行約束差分進(jìn)化算法。該算法將種群分成多個(gè)子種群,各子種群采用不同的約束處理技術(shù)并行地獨(dú)立進(jìn)化,在
2018-01-02 16:40:160

基于局部快速收斂算法的Memetic進(jìn)化算法

2018-01-02 15:45:110

約束優(yōu)化進(jìn)化算法研究

約束優(yōu)化進(jìn)化算法主要研究如何利用進(jìn)化計(jì)算方法求解約束優(yōu)化問題,是進(jìn)化計(jì)算領(lǐng)城的一個(gè)重要研究課題.約束優(yōu)化問題求解存在約束區(qū)域離散、等式約束、非線性約束等挑戰(zhàn),其問題的本質(zhì)是,如何處理可行解與不可行解
2017-12-28 11:45:490

偏好半徑劃分區(qū)域的多目標(biāo)進(jìn)化方法

偏好多目標(biāo)進(jìn)化算法是一類幫助決策者找到感興趣的Pareto最優(yōu)解的算法.目前,在以參考點(diǎn)位置作為偏好信息載體的偏好多目標(biāo)進(jìn)化算法中,不合適的參考點(diǎn)位置往往會(huì)嚴(yán)重影響算法的收斂性能,偏好區(qū)域的大小難以
2017-12-26 10:50:230

基于車間調(diào)度的多目標(biāo)混合進(jìn)化算法

針對(duì)最大完工時(shí)間最小和總流經(jīng)時(shí)間最小的雙目標(biāo)流水車間調(diào)度問題,提出一種快速多目標(biāo)混合進(jìn)化算法。算法將矢量評(píng)價(jià)遺傳算法的采樣策略與一種新的基于Pareto支配與被支配關(guān)系的適應(yīng)度函數(shù)的采樣策略進(jìn)行了
2017-12-20 15:55:580

超高壓輸電線畸變電場屏蔽預(yù)測

準(zhǔn)確描述,提出先利用有限元軟件仿真數(shù)據(jù)建立基于新型加權(quán)正則化極限學(xué)習(xí)機(jī)算法的屏蔽效果預(yù)測模型,然后基于此預(yù)測模型,采用分子微分進(jìn)化算法對(duì)屏蔽線架設(shè)條數(shù)及其架設(shè)位置進(jìn)行多目標(biāo)優(yōu)化求解。研究結(jié)果表明,該文方法可
2017-12-14 16:59:448

基于鄰域差分和協(xié)方差信息處理單目標(biāo)優(yōu)化的進(jìn)化算法

復(fù)雜的單目標(biāo)優(yōu)化問題是進(jìn)化計(jì)算領(lǐng)域的一個(gè)研究熱點(diǎn)問題.已有差分進(jìn)化和協(xié)方差進(jìn)化被認(rèn)為是處理該問題的較有效的方法,其中差分信息類似于梯度可以有效的指導(dǎo)算法朝著最優(yōu)解方向搜索,而協(xié)方差則是基于統(tǒng)計(jì)的方式
2017-12-14 15:18:390

基于混合智能優(yōu)化算法的復(fù)雜軟件可靠性分配

速度快,全局搜索能力強(qiáng),但是易于陷入局部最優(yōu):而差分進(jìn)化算法局部搜索能力強(qiáng),但搜索速度略慢的問題,本文提出一種元啟發(fā)式算法基于罰函數(shù)的混合分布估計(jì)和自適應(yīng)交叉差分進(jìn)化的優(yōu)化算法(PHEDA-SCDE),該算法收斂速度快
2017-12-14 14:17:320

異構(gòu)云系統(tǒng)中基于智能優(yōu)化算法的多維資源公平分配

資源分配策略的研究一直是云計(jì)算領(lǐng)域研究的熱點(diǎn)和難點(diǎn),針對(duì)異構(gòu)云計(jì)算環(huán)境下多維資源的公平分配問題,結(jié)合基因算法(GA)和差分進(jìn)化算法(DE),分別給出了兩種兼顧分配公平性和效率的資源分配策略,改進(jìn)
2017-12-13 17:19:500

基于結(jié)構(gòu)和參數(shù)同時(shí)進(jìn)化的數(shù)字濾波器設(shè)計(jì)

為了進(jìn)一步提高無限沖激擊響應(yīng)(IIR)數(shù)字濾波器的性能,提出了一種基于結(jié)構(gòu)和參數(shù)同時(shí)進(jìn)化的IIR數(shù)字濾波器設(shè)計(jì)方法。首先,通過遺傳算法(GA)得到初始濾波器結(jié)構(gòu);然后,利用差分進(jìn)化(DE)算法優(yōu)化
2017-12-09 12:02:401

進(jìn)化算法在歷史計(jì)算數(shù)據(jù)中應(yīng)用

進(jìn)化算法由于其強(qiáng)大的系統(tǒng)建模能力和空間搜索能力已被廣泛應(yīng)用于許多實(shí)際問題的求解中。然而,在算法進(jìn)化的過程中存在個(gè)體適應(yīng)值重復(fù)計(jì)算的問題,尤其在解決實(shí)際工程中的復(fù)雜問題時(shí),適應(yīng)值的計(jì)算會(huì)消耗大量時(shí)間
2017-12-06 16:23:390

小生境分布估計(jì)量子遺傳算法NEDQGA

針對(duì)現(xiàn)有量子遺傳算法進(jìn)化機(jī)制存在的收斂速度慢以及易陷入局部極值的問題,為提高量子進(jìn)化算法的全局收斂性能,結(jié)合小生境技術(shù)中的共享適應(yīng)度函數(shù)方法,提出了小生境分布估計(jì)量子遺傳算法NEDQGA,在種群內(nèi)部
2017-12-06 11:37:000

基于差分進(jìn)化算法的改進(jìn)

針對(duì)差分進(jìn)化(DE)算法存在的尋優(yōu)精度低、收斂速度慢等問題,借鑒混沌分散策略、反向?qū)W習(xí)策略(OBL)以及跨種群并行機(jī)制,提出一種基于反向?qū)W習(xí)的跨種群差分進(jìn)化算法(OLCPDE)。采用混沌分散策略進(jìn)行
2017-12-04 16:30:040

多配送中心危險(xiǎn)貨物配送路徑魯棒優(yōu)化

魯棒優(yōu)化模型;然后,在改進(jìn)型強(qiáng)度Pareto進(jìn)化算法(SPEA2)的基礎(chǔ)上設(shè)計(jì)一種三段式編碼的多目標(biāo)遺傳算法進(jìn)行求解,在遺傳操作中對(duì)不同染色體段分別采用不同的交叉和變異操作,有效避免了種群進(jìn)化過程中不可行解的產(chǎn)生;最后,以慶陽市西
2017-12-03 11:03:412

基于改進(jìn)人工蜂群的聚類算法

對(duì)單峰問題收斂速度慢、多峰問題容易陷入局部最優(yōu)等問題,通過引入差分進(jìn)化算法中變異和交叉思想,改善蜂群算法的收斂速度,平衡局部搜索和全局搜索能力。然后將改進(jìn)的人工蜂群算法和模糊C均值聚類算法結(jié)合得到基于改進(jìn)人工
2017-11-29 17:22:210

基于DSEA的弱變異測試用例集生成方法

為解決基于集合進(jìn)化算法(SEA)的弱變異測試用例集生成過程中個(gè)體規(guī)模固定和執(zhí)行開銷大的問題,提出一種基于動(dòng)態(tài)集合進(jìn)化算法( DSEA)的弱變異測試用例集生成方法。以測試用例集為個(gè)體,生成覆蓋所有變異
2017-11-28 16:11:170

基于模糊高斯學(xué)習(xí)策略的粒子群進(jìn)化融合算法

針對(duì)粒子群優(yōu)化(PSO)算法存在的開發(fā)能力不足,導(dǎo)致算法精度不高、收斂速度慢以及微分進(jìn)化算法具有的探索能力偏弱,易陷入局部極值的問題,提出一種基于模糊高斯學(xué)習(xí)策略的粒子群一進(jìn)化融合算法。在標(biāo)準(zhǔn)粒子
2017-11-27 17:35:500

種族分類進(jìn)化的QoS異構(gòu)組播路由機(jī)制

隨著新型網(wǎng)絡(luò)應(yīng)用的大量涌現(xiàn),傳統(tǒng)的網(wǎng)絡(luò)技術(shù)已無法滿足當(dāng)前應(yīng)用在帶寬、延遲及出錯(cuò)率等方面的需求,IP over DWDM光互聯(lián)網(wǎng)以其獨(dú)特性能優(yōu)勢成為研究熱點(diǎn)?;诜N族分類進(jìn)化算法,提出了一種IP
2017-11-27 15:45:180

云環(huán)境中基于分解的多目標(biāo)工作流調(diào)度算法

時(shí)間和執(zhí)行費(fèi)用作為目標(biāo),提出了一種基于分解的多目標(biāo)工作流調(diào)度算法。該算法結(jié)合了基于列表的啟發(fā)式算法和多目標(biāo)進(jìn)化算法的選擇過程,采用一種分解方法,將多目標(biāo)優(yōu)化問題分解為一組單目標(biāo)優(yōu)化子問題,然后同時(shí)求解這些單目標(biāo)子
2017-11-27 11:11:360

利用粒子群的全渠道消費(fèi)者行為協(xié)同決策研究

隨著各大零售商全渠道營銷戰(zhàn)略布局,全渠道消費(fèi)者數(shù)量呈爆炸式增長,對(duì)于全渠道消費(fèi)者的消費(fèi)行為研究成為熱點(diǎn)。然而連鎖零售供應(yīng)鏈全渠道消費(fèi)者消費(fèi)數(shù)據(jù)呈現(xiàn)海量、高維的特征。針對(duì)這一特征,提出采用協(xié)同進(jìn)化算法
2017-11-17 17:33:190

基于改進(jìn)差分進(jìn)化算法的IIR濾波器設(shè)計(jì)

差分進(jìn)化由于其算法簡單、收斂速度快,所需領(lǐng)域知識(shí)少而受到關(guān)注。通常,根據(jù)優(yōu)化問題的約束條件差分進(jìn)化算法需要進(jìn)行變量上、下界的限制。本文提出利用IIR濾波器零極點(diǎn)特性來進(jìn)行IIR濾波器設(shè)計(jì),采用復(fù)數(shù)
2017-11-15 16:31:175

遺傳算法的解析與基于遺傳算法的機(jī)器學(xué)習(xí)的介紹

3適應(yīng)度函數(shù)3選擇策略3控制參數(shù)和遺傳算子等方面的各種改進(jìn)措施1并給出了遺傳算法的發(fā)展動(dòng)向。 遺傳算法進(jìn)化規(guī)則及進(jìn)化策略是演化計(jì)算的三個(gè)主要分支這三種典型的進(jìn)化算法都以自然界中生物的進(jìn)化過程為自適應(yīng)全局優(yōu)化搜索過程的
2017-11-13 17:40:022

一種混合進(jìn)化算法提高倉庫貨物平臺(tái)的作業(yè)效率

和遺傳算法相結(jié)合的方式,設(shè)計(jì)了一種混合進(jìn)化算法提高倉庫貨物平臺(tái)的作業(yè)效率。最后的仿真求解結(jié)果表明:相對(duì)于貪心算法,平均收斂代數(shù)優(yōu)化率達(dá)到86.7%:相對(duì)于遺傳算法,平均收斂時(shí)間優(yōu)化率達(dá)到17.9%,該算法能夠在可接受的計(jì)算時(shí)
2017-11-13 14:47:406

AI工具實(shí)現(xiàn)BUG自動(dòng)檢測功能,更換漏洞識(shí)別新風(fēng)尚

Facebook最近公布了一款名為Sapienz的工具,實(shí)現(xiàn)了這一領(lǐng)域的巨大跳躍。這一工具最初是由倫敦大學(xué)學(xué)院研發(fā)的,它能夠通過自動(dòng)測試識(shí)別安卓軟件中的漏洞。Sapienz含有一種進(jìn)化算法,它能夠根據(jù)軟件反應(yīng)做出新的選擇,它的目標(biāo)就是發(fā)現(xiàn)最大量的故障并且完成最大量的測試,盡可能高效的完成任務(wù)。
2017-10-23 15:25:442868

從學(xué)習(xí)方式和功能角度等方面對(duì)算法的分類介紹

對(duì)監(jiān)督學(xué)習(xí)中最受歡迎的機(jī)器學(xué)習(xí)算法,以及它們彼此之間的關(guān)系有一個(gè)比較深刻的了解。 事先說明一點(diǎn),我沒有涵蓋機(jī)器學(xué)習(xí)特殊子領(lǐng)域的算法,比如計(jì)算智能(進(jìn)化算法等)、計(jì)算機(jī)視覺(CV)、自然語言處理(NLP)、推薦系統(tǒng)、
2017-09-29 08:42:2210

基于量子進(jìn)化算法求解動(dòng)態(tài)交通分配模型陳華程

基于量子進(jìn)化算法求解動(dòng)態(tài)交通分配模型_陳華程
2017-03-16 08:00:000

基于層次分析法與差分進(jìn)化算法極限學(xué)習(xí)機(jī)的自動(dòng)扶梯故障檢測_鄧方華

基于層次分析法與差分進(jìn)化算法極限學(xué)習(xí)機(jī)的自動(dòng)扶梯故障檢測_鄧方華
2017-02-27 19:02:570

基于演化硬件的多目標(biāo)進(jìn)化算法的研究

基于演化硬件的多目標(biāo)進(jìn)化算法的研究
2017-01-08 14:47:530

基于種群進(jìn)化速度的動(dòng)態(tài)煙花算法

基于種群進(jìn)化速度的動(dòng)態(tài)煙花算法_杜振鑫
2017-01-07 21:28:583

基于差分進(jìn)化算法的開關(guān)磁阻電機(jī)轉(zhuǎn)矩脈動(dòng)抑制

基于差分進(jìn)化算法的開關(guān)磁阻電機(jī)轉(zhuǎn)矩脈動(dòng)抑制_朱龍
2016-12-16 15:48:481

進(jìn)化算法

進(jìn)化算法-2000-5-冶金工業(yè)出版社-云慶夏。
2016-04-12 10:48:0613

基于雙向搜索差分進(jìn)化的多目標(biāo)優(yōu)化算法

針對(duì)差分進(jìn)化算法求解多目標(biāo)優(yōu)化問題時(shí)易陷入局部最優(yōu)的問題,設(shè)計(jì)了雙向搜索機(jī)制以增強(qiáng)DE算法的局部搜索能力。一方面降低了
2012-05-29 14:32:5245

基于可分解的多目標(biāo)進(jìn)化算法的PDN阻抗的優(yōu)化

應(yīng)用可分解的多目標(biāo)進(jìn)化算法,同時(shí)優(yōu)化這兩個(gè)目標(biāo),以獲得期望的Pareto Front(PF)。實(shí)驗(yàn)證明,該設(shè)計(jì)方法易于實(shí)現(xiàn),且效果良好、穩(wěn)定性強(qiáng)。優(yōu)化的PDN的輸入阻抗?jié)M足設(shè)計(jì)要求并且優(yōu)化的去
2012-01-10 17:12:3621

基于差分進(jìn)化的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

提出了一種基于改進(jìn)差分進(jìn)化算法和 BP神經(jīng)網(wǎng)絡(luò) 的計(jì)算機(jī)網(wǎng)絡(luò)流量預(yù)測方法。利用差分進(jìn)化算法的全局尋優(yōu)能力,快速地得到BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值;然后利用BP神經(jīng)網(wǎng)絡(luò)的非線性擬
2011-08-10 16:13:0731

基于SCEA的模糊控制器的優(yōu)化設(shè)計(jì)研究

有關(guān)最優(yōu)模糊控制器設(shè)計(jì)的研究已經(jīng)提出許多年了,也因此而提出了各種各樣的模糊建模方法。該文為模糊建模提出了一種新穎的算法――計(jì)劃協(xié)同進(jìn)化算法(Schema Coevolutionary Algorithm-S
2010-08-09 15:48:3715

基于量子進(jìn)化算法的時(shí)序電路測試生成

本文介紹將量子進(jìn)化算法應(yīng)用在時(shí)序電路測試生成的研究結(jié)果。結(jié)合時(shí)序電路的特點(diǎn),本文將量子計(jì)算中的量子位和疊加態(tài)的概念引入傳統(tǒng)的測試生成算法中,建立了時(shí)序電路的量
2010-08-03 15:29:0114

基于SCEA的模糊控制器的優(yōu)化設(shè)計(jì)研究

有關(guān)最優(yōu)模糊控制器設(shè)計(jì)的研究已經(jīng)提出許多年了,也因此而提出了各種各樣的模糊建模方法。該文為模糊建模提出了一種新穎的算法――計(jì)劃協(xié)同進(jìn)化算法(Schema Coevolutionary Algorithm-S
2010-02-23 14:13:0711

電子對(duì)抗環(huán)境下ADBF相控陣?yán)走_(dá)的陣列結(jié)構(gòu)優(yōu)化

ADBF 相控陣?yán)走_(dá)通常采用子陣結(jié)構(gòu)。子陣結(jié)構(gòu)對(duì)系統(tǒng)性能具有顯著影響,對(duì)相控陣進(jìn)行最優(yōu)子陣劃分具有重要的理論與應(yīng)用意義。該文利用多目標(biāo)進(jìn)化算法(MOEA)進(jìn)行子陣結(jié)構(gòu)優(yōu)化,使
2010-02-09 11:27:5310

差分進(jìn)化算法研究進(jìn)展

針對(duì)一種新興的進(jìn)化算法— —差分進(jìn)化算法,介紹該算法的基本原理、算法流程、算法參數(shù)及其對(duì)算法性能的影響,總結(jié)控制變量選擇的經(jīng)驗(yàn)規(guī)則,歸納了改進(jìn)差分進(jìn)化算法算法
2010-01-08 18:16:2011

DNA優(yōu)化的神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用

將基于DNA 優(yōu)化的BP 網(wǎng)絡(luò)用于飛機(jī)發(fā)動(dòng)機(jī)氣路的故障診斷。首先,用DNA 進(jìn)化算法優(yōu)化BP 網(wǎng)絡(luò)的初始權(quán)值和閾值,然后采用誤差反饋算法訓(xùn)練BP 網(wǎng)絡(luò),最后將經(jīng)過訓(xùn)練的網(wǎng)絡(luò)用于故
2009-12-23 12:02:318

M-精英進(jìn)化算法及其在V-BLAST系統(tǒng)中的應(yīng)用

為解決垂直分層空時(shí)(V-BLAST)系統(tǒng)中的最大似然檢測算法(ML)復(fù)雜度過高的問題,并針對(duì)通信系統(tǒng)對(duì)實(shí)時(shí)性要求較高的特點(diǎn),該文提出了一種復(fù)雜度較低且性能優(yōu)良的進(jìn)化算法,即M-精
2009-10-29 13:00:0712

基于蟻群算法的電路故障診斷研究

BP算法在神經(jīng)網(wǎng)絡(luò)中應(yīng)用較為廣泛,但有收斂速度慢、易于陷入局部極小點(diǎn)的缺點(diǎn)。蟻群算法是一種新型的模擬進(jìn)化算法,具有正反饋、分布式計(jì)算、全局收斂、啟發(fā)式學(xué)習(xí)等特點(diǎn)。
2009-09-12 16:05:107

蟻群神經(jīng)網(wǎng)絡(luò)在魚病專家系統(tǒng)中的應(yīng)用研究

         BP 算法在神經(jīng)網(wǎng)絡(luò)中應(yīng)用較為廣泛,但有收斂速度慢、易于陷入局部極小的缺點(diǎn);而蟻群算法是一種新型的模擬進(jìn)化算法,有正反饋、分布式計(jì)
2009-09-11 10:56:3210

基于蟻群算法WDM網(wǎng)絡(luò)故障恢復(fù)路由研究

蟻群故障恢復(fù)算法是一種新穎的模擬進(jìn)化算法。該算法基于群以正反饋?zhàn)鳛槭滓乃阉鳈C(jī)制,為復(fù)雜的組合優(yōu)化問題提供了一種新方法。本文在傳統(tǒng)蟻群算法的選擇策略,本地搜索
2009-09-07 10:15:5310

遺傳算法及其進(jìn)化硬件設(shè)計(jì)研究

遺傳算法(Genetic Algorithms,GAs)是進(jìn)化計(jì)算中的重要領(lǐng)域,也是人工智能迅速發(fā)展的重要領(lǐng)域,它是一類模擬自然進(jìn)化過程和達(dá)爾文“適者生存”的算法。這一算法企圖通過使用諸
2009-07-10 13:28:0116

一類混雜系統(tǒng)Petri網(wǎng)模型的優(yōu)化算法的研究

本文針對(duì)工業(yè)中廣泛存在的混雜系統(tǒng),結(jié)合進(jìn)化算法,研究了應(yīng)用Petri 網(wǎng)的分層遞階建模方法,實(shí)現(xiàn)一類混雜系統(tǒng)的建模與優(yōu)化。關(guān)鍵詞:混雜系統(tǒng) Petri 網(wǎng) 建模 進(jìn)化算法 優(yōu)化
2009-06-22 09:13:0717

多目標(biāo)進(jìn)化算法的分布度評(píng)價(jià)方法

分析現(xiàn)存多目標(biāo)進(jìn)化算法分布度評(píng)價(jià)方法的特點(diǎn)和不足,提出一種在新的坐標(biāo)下對(duì)解集進(jìn)行分布度評(píng)價(jià)的方法。該方法把直角坐標(biāo)系下的解集映射到另一個(gè)基于角度的坐標(biāo)下,以避
2009-04-14 08:33:5915

遺傳算法的發(fā)展

遺傳算法的發(fā)展 進(jìn)化算法與其他科學(xué)技術(shù)一樣,都經(jīng)歷一段成長過程,逐漸發(fā)展壯大。此過程可   大致分為三個(gè)時(shí)期:萌芽
2008-12-20 02:52:141396

拉伸技術(shù)粒子群優(yōu)化算法的多用戶檢測器

粒子群優(yōu)化算法是一類新型進(jìn)化算法,為提高粒子群優(yōu)化算法對(duì)復(fù)雜問題全局最優(yōu)解的探測能力,該文引入一種基于拉伸技術(shù)的粒子群優(yōu)化算法,把它應(yīng)用到CDMA通信系統(tǒng)中抗干擾
2008-12-18 14:37:159

免疫進(jìn)化理論的研究

免疫進(jìn)化理論的研究研究背景與現(xiàn)狀;免疫進(jìn)化算法;免疫神經(jīng)網(wǎng)絡(luò);計(jì)算機(jī)免疫安全  系統(tǒng)的探索在生物科學(xué)領(lǐng)域,人們對(duì)進(jìn)化、遺傳和免疫等自然 現(xiàn)象
2008-10-24 20:42:130

已全部加載完成