共查询到20条相似文献，搜索用时 31 毫秒
1.
将免疫算法、混沌与遗传算法相结合,提出了一种新颖的混沌免疫遗传算法,该方法利用混沌运动的遍历性、随机性来产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列来补充种群,增加种群的多样性避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。实验结果表明,所提出的算法能寻找到更好的优化结果,并且在搜索速度上明显优于遗传和免疫遗传算法。 相似文献
2.
张平华 《河北北方学院学报(自然科学版)》2019,35(5)
目的解决人工蜂群算法在求解连续优化问题时易陷入局部最优,收敛速度慢,而且算法在最初设计时不适用于离散问题的求解等问题。方法而0-1问题属于典型的二进制离散约束优化的NP-Hard问题,故提出了基于离散优化问题的人工蜂群算法(DABC)。首先,采用二进制编码方法,改进解的编码形式;其次,使用多维邻域搜索策略改进ABC算法的搜索策略,并在雇佣蜂阶段引入高斯变异,保持种群的多样性,加快算法的收敛速度。在侦察蜂阶段引入柯西变异算子,以增强算法的全局搜索能力,避免算法在迭代时陷入局部最优,进一步提高算法的效率和精准度。结果通过实验仿真验证了算法的有效性和高效性,当种群规模增大时,算法的收敛速度加快,从而验证了不同的参数值对算法的影响。结论改进后的算法在求解离散优化问题时确保种群的多样性,提高了算法的收敛速度、整体寻优能力和开发能力。 相似文献
3.
针对基本的极值动力学优化算法容易陷入局部最优解、数值寻优能力较差甚至不能寻优等缺点,提出一种带柯西变异的基于种群的极值动力学优化算法。改进后的算法不仅具有局部搜索能力还具有全局搜索能力,同时提高了收敛速度和精确度。 相似文献
4.
针对差分进化算法存在进化后期收敛速度慢、易早熟等缺点,提出了一种基于动态局部搜索的差分进化算法(DLSDE).采用随机选择的方式进行变异并运用小概率扰动操作,增加种群的多样性,平衡算法的开发能力和探索能力;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度.对标准测试函数进行仿真实验并与其他6种算法进行比较,结果表明DLSDE算法具有较快的收敛速度和较高的求解精度,对复杂的数值优化问题寻优效果很好. 相似文献
5.
董勇;李梦霞;郭海敏 《长江大学学报》2013,(11):57-60,74+6
针对基于群体适应度方差的自适应混沌粒子群算法存在的局部搜索能力较弱的不足,在该算法中引入了混沌变异以及混沌搜索操作。使用An混沌映射对部分粒子进行混沌变异,对全局最优粒子进行混沌搜索,提出了一种综合考虑粒子位置、寻优空间的自适应变尺度规则。数值仿真结果表明,改进算法的收敛性、全局和局部搜索能力都有所提高,能有效避免早熟收敛。 相似文献
6.
针对微粒群算法在多模态函数优化中难以找到全部极值点以及陷入局部最优和后期收敛速度慢等缺陷,提出了一种基于熵的自适应混沌爬山微粒群算法.算法根据熵的值来衡量种群多样性,当发现种群多样性匮乏时,采用动态混沌机制增强多样性;后期融入了局部收敛速度较快的爬山算法提高微粒群算法的后期收敛速度.4种典型多模态函数测试结果表明该算法在求解复杂多模态函数优化问题方面的可行性。 相似文献
7.
任务调度是云计算系统可靠运行的关键,云计算环境中要处理的任务量巨大,考虑到云计算任务调度和QoS的优化问题,提出一种混合粒子群优化算法用于云任务调度。算法中引入遗传算法的交叉和变异思想,并结合随迭代次数变化的变异指数,保证种群进化初期具有较高的全局搜索能力,避免出现“早熟”,同时将爬山算法引入粒子群算法,改善局部搜索能力。实验结果显示该算法具有很好的寻优能力,是一种有效的云计算任务调度算法。 相似文献
8.
基于动态规划法和遗传算法的配电网无功优化 总被引：1，自引：0，他引：1
对配电网无功优化规划问题进行研究,针对配电网的辐射型结构,在无功二次精确矩选择补偿点方法的基础上,提出了配电网无功优化分区的方法,并在选点时考虑已选补偿点对后续优化选点的影响,运用动态规划法来确定最优补偿位置;用改进遗传算法求解补偿点的最优补偿量,对选择、交叉、变异等算子进行改进,每一代群体进行分组进化,并采用自适应罚因子、交叉率和变异率,以提高收敛速度和解的质量.采用IEEE 33节点系统验证了本算法的有效性和实用性.本研究提出的算法能使配电网各分区得到合理的无功补偿,从而提高配电系统经济性和电压质量. 相似文献
9.
针对柔性车间作业调度问题,在深入分析差分进化算法的基础上,提出了一种多种群差分进化算法.该算法基于DE/rand/2/bin变异方式全局搜索能力强,鲁棒性好,和DE/best/2/bin变异方式局部搜索能力强,收敛速度快;包含若干个普通种群和一个精英种群,普通种群采用DE/rand/2/bin变异方式,精英种群采用DE/best/2/bin变异方式,普通种群和精英种群及普通种群之间在适当的时候进行优秀个体迁移,以实现全局搜索能力和收敛速度之间的平衡,并从现实生产实际出发,建立了双目标柔性车间作业调度数学模型.最后,将该算法应用于一个调度算例,仿真结果表明,该算法可行有效. 相似文献
10.
为了改进标准粒子群优化算法全局搜索性能,提出了一种种群动态变化的多种群粒子群优化算法。当算法搜索停滞时,把种群分裂成两个子种群,通过子种群粒子随机初始化及个体替代机制增强种群多样性,两个子种群并行搜索一定代数后,通过混合子种群来完成不同子种群中粒子的信息交流。收敛性分析表明,本文算法能以概率1收敛到全局最优解。实验结果表明,本文算法具有较好的全局寻优能力和较快的收敛速度。 相似文献
11.
提出一种基于混沌免疫进化算法的1/4汽车主动悬架控制方法.在免疫进化算法的基础上,利用混沌运动的特点,对初始种群混沌初始化,且根据个体评价值对群体进行不同幅度的混沌载波,既可保护优秀个体,又可进行遍历搜索,跳出局部极小值,达到快速寻优的效果.仿真结果表明:与免疫进化控制比较,采用混沌免疫进化控制,汽车的平顺性和安全性得到了更好的改善. 相似文献
12.
以改善电压、降低损耗、提高经济效益为目的,应用改进的退火选择遗传算法对负荷进行实时优化,对运行中的配电网进行线损分析并提出无功补偿的控制策略.文中结合农村配电网的特点,考虑了变压器铁耗的影响.模拟测试表明该软件计算准确,无功算法全局寻优能力强、效率高,性能良好. 相似文献
13.
【目的】针对城镇配电网的特点,研究辐射状配电网多目标经济性优化模型与算法,为农村中压配电网优化决策系统的建设提供技术支持。【方法】利用经济电流密度概念和多目标规划理论,提出计入导线截面策略因子的最小投资费用和年网损费用的多目标函数优化模型,研究并利用实数编码并行优化处理方法、引入退火动态罚因子设计动态罚函数处理约束条件、基于遗传算法的电网路径与潮流的自识别解码方法、遗传算子的自适应调整方法等,并提高遗传算法在辐射状配电网拓扑约束中的自动识别能力,确保可行解的搜索方向和遗传寻优的顺利进行。【结果】通过陕西杨凌示范区新桥变电站10 kV配电网待建区域实例验证表明,随着选取种群数目的增多,综合费用逐渐趋向于1 230万元。与单目标优化方案的投资费用相比,多目标优化方案的建设投资费用约增加72万元,而年网损费用约减少323万元,综合费用约降低250万元,获得了该配电网的最优建设方案。【结论】提出了配电网络多目标经济性优化模型及其算法,实现了规划线路长度和导线截面策略因子并行优化,提高了解的搜索精度。 相似文献
14.
《沈阳农业大学学报》2017,(1)
粒子群优化算法在农村电网无功优化领域已有广泛应用,但算法存在不足,易陷入局部极值。算法中粒子更新方式和惯性权重是影响搜索能力的关键因素,提出了一种基于引导策略的自适应粒子群算法(adaptive particle swarm optimization algorithm with guiding strategy,GSAPSO),该算法在种群中引入4种粒子,即主体粒子、双中心粒子、协同粒子和混沌粒子对粒子位置更新进行引导来克服算法的随机性,从而提高搜索效率;为进一步克服粒子群优化算法进化后期易陷入早熟收敛的缺点,引入聚焦距离变化率的概念,通过聚焦距离变化率的大小动态调整惯性权重,以提高算法的收敛速度和精度,粒子更新方式和惯性权重的改进极大地提高了搜索到全局最优解的有效性。以IEEE 30节点测试系统为例进行仿真计算,采用GSAPSO算法无功优化计算后最优降损率可达到18.966%,节点最低电压为1.0091p.u.,最优解迭代次数45次,平均迭代次数64.6次,相比标准粒子群算法(PSO)、随机权重粒子群算法(wPSO)和惯性权重线性递减的粒子群算法(LDWPSO)均有很大提升。仿真结果表明:应用GSAPSO算法求得的解质量更高,收敛速度和精度明显高于其他3种算法,说明该算法具有更好的寻优能力和收敛性能。 相似文献
15.
在现有文献研究的基础上,采用一种改进的实数遗传算法对减速器优化设计问题进行了优化研究,取得了较好的效果。该改进算法不仅可快速产生初始种群,而且实现了子代种群的产生在优化方向上进行,提高了算法的搜索能力,克服了子代个体位置限制的不足,有利于保持种群的多样性,提高了避免未成熟收敛于局部最优解的能力。 相似文献
16.
吴忠怀 《湖南农业大学学报(自然科学版)》2009,(1)
提出一种改进的微粒群算法XSPSO,使用子种群来决定各个个体的邻域.引入基于邻域的多亲体杂交,引导各个微粒飞向不同的山峰的同时搜索其他山峰.从实验的结果来看,该算法具有较强的搜索能力和较好的稳定性,且精度较好.该算法用于多峰函数优化具有较佳的效果. 相似文献
17.
目的 针对人工蜂群算法在求解问题的最优值时,后期收敛速度慢、易于陷入局部极值的问题,利用数论中的佳点集和一致分布原理,结合其他仿生智能优化算法的机制对人工蜂群算法进行了深入的改进,提出了一种基于一致分布佳点集改进的交叉人工蜂群算法(CGABC).方法 首先,利用数论的一致分布佳点集原理建立算法的初始化模型,以保证种群在搜索空间的均匀分布;然后,通过交叉方式进行迭代更新位置,以维持种群的多样性,防止算法陷入局部最优;最后,通过实验选取了4个工程问题和7个标准测试函数进行实验仿真.结论 结果 表明,与ABC算法、GABC算法等其他算法相比,CGABC的收敛速度及精度均有明显提高,增强全局寻优能力,有效地避免种群个体陷入局部最优,解决了多模态的优化问题. 相似文献
18.
针对标准群搜索优化(GSO)算法存在的早熟、后期迭代效率低和容易陷入局部极优点等问题,提出了一种改进的群搜索优化算法用于车辆路径问题的研究。该算法先是通过交叉因子的引入来曾加粒子的多样性并增强群成员的优良性,从而减小后期搜索中算法易陷入局部极优点的概率;然后借助于模拟退火算法的优势来有效的提高算法收敛性能。实验表明,基于交叉因子和模拟退火的群搜索优化(CMGSO)算法相比于标准群搜索优化(GSO)和粒子群优化(PSO)算法来说,具有较快的收敛性能和较好的全局寻优能力,因此该算法适用于物流车辆路径寻优问题的研究和解决。 相似文献
19.
提出了基于混沌变量的模式搜索法.在探索移动中,由混沌遍历性来生成移动方向和步长;在模式移动中,针对粗搜索与细搜索分别采取最优一维搜索和直接模式搜索.将全局优化能力强的混沌优化融入到模式搜索法中,且采取二级模式移动,搜索效率高.算法应用于模糊神经网络权值优化,仿真验证了其优良性能. 相似文献
20.
通过在克隆选择过程中引入抗体聚类机制,提出了一种用于复杂多模函数优化的新算法.通过聚类将抗体群分成多个子种群来实现其克隆选择策略,加速克隆扩增,从而提高抗体成熟力及亲和性.采用了混合超变异算子,使其能快速获取全局及局部最优.实验仿真结果表明:该算法对复杂函数寻优的过程是相当有效的,具备良好的全局和局部收敛可靠性. 相似文献