检索结果-内蒙古大学图书馆

计算机科学 2012年第9期39卷 215-219页

作者：鲁江林何中市陈自郁重庆大学计算机学院重庆400044

动态背包问题(DKP)是一类经典的动态优化问题,可以用来描述许多实际的问题。迄今为止,针对动态背包问题的研究主要集中在遗传算法上,而对粒子群优化算法的研究较少。在离散粒子群优化模型的基础上,引入环境变化的探测以及环境变化后的... 详细信息

动态背包问题(DKP)是一类经典的动态优化问题,可以用来描述许多实际的问题。迄今为止,针对动态背包问题的研究主要集中在遗传算法上,而对粒子群优化算法的研究较少。在离散粒子群优化模型的基础上,引入环境变化的探测以及环境变化后的响应机制,提出一种求解动态背包问题的离散粒子群优化算法(DSDPSO)。将该算法和现有经典的自适应原对偶遗传算法(APDGA)在两个动态背包问题上进行了对比实验,结果表明,DSDPSO算法在环境变化后能迅速地找到最优解并稳定下来,更适合于求解动态背包问题。

关键词：粒子群优化算法动态背包问题 DSDPSO算法集合

来源：评论

学校读者我要写书评

暂无评论

求解动态背包问题的改进原对偶遗传算法

引用

控制工程 2010年第S2期17卷 124-127页

作者：王丰丰翁正新上海交通大学电子信息与电气工程学院上海200240

动态背包问题是一类常见的工程设计问题,同时也是动态进化算法研究领域的难点之一。将贪婪近似法与双概率原对偶映射思想相结合,提出一种求解动态背包问题的改进双概率原对偶遗传算法。一方面,针对传统遗传算法求解动态问题时存在多样... 详细信息

动态背包问题是一类常见的工程设计问题,同时也是动态进化算法研究领域的难点之一。将贪婪近似法与双概率原对偶映射思想相结合,提出一种求解动态背包问题的改进双概率原对偶遗传算法。一方面,针对传统遗传算法求解动态问题时存在多样性缺失的缺陷,从保持等位基因多样性角度出发,引入基于基因位值的双概率对偶映射,该映射通过弱势基因位值的概念,在迭代过程中根据该数目对两个对偶概率进行适应性调整,使种群具有较理想的多样性;另一方面,通过当前环境反馈的启发式信息使种群较快地搜索到"可行优秀"区域,使得算法更快地追踪最优点的变化轨迹。仿真结果表明,采用该贪婪法后的原对偶遗传算法在动态背包问题的求解中具有较好的性能。

关键词：动态背包问题双概率原对偶映射贪婪近似法遗传算法

来源：评论

学校读者我要写书评

暂无评论

求解高维动态背包问题的克隆修复免疫算法

引用

计算机工程 2017年第9期43卷 220-227页

作者：钱淑渠武慧虹林妤安顺学院数理学院贵州安顺561000 南京航空航天大学自动化学院南京210016

高维动态背包问题(DKP)为一类较难求解的约束优化跟踪问题。为挖掘生物免疫系统的学习、记忆及识别功能,提出一种处理DKP的克隆修复免疫算法(IACR)。将抗体浓度融入亲和力的设计,运用环境识别规则判断当前环境是否相似或相同。通过环境... 详细信息

高维动态背包问题(DKP)为一类较难求解的约束优化跟踪问题。为挖掘生物免疫系统的学习、记忆及识别功能,提出一种处理DKP的克隆修复免疫算法(IACR)。将抗体浓度融入亲和力的设计,运用环境识别规则判断当前环境是否相似或相同。通过环境记忆池保存一定量的记忆细胞,这些记忆细胞参与环境初始种群的产生,可用于提高算法的环境跟踪速度。采用贪婪修补策略提高可行抗体比例。测试IACR对不同变化幅率和频率的高维DKP的跟踪能力,并与4种同类算法进行比较。实验结果表明,IACR能更快速地适应环境变化,并具有较小的环境跟踪误差。

关键词：克隆修复免疫算法高维动态背包问题环境跟踪

来源：评论

学校读者我要写书评

暂无评论

约束动态免疫算法及对背包问题性能测试研究

引用

计算机应用与软件 2012年第5期29卷 155-158,168页

作者：钱淑渠武慧虹安顺学院数学与计算机科学系贵州安顺561000

借鉴人工免疫系统的记忆、动态识别等功能,提出一种约束动态免疫算法(CDIOA),并用于高维约束动态背包问题的求解。通过随机约束选择策略选择可行及非可行抗体,非可行抗体参与群体的进化;利用抗体修正策略确保进化群中有一定比例可行抗体... 详细信息

借鉴人工免疫系统的记忆、动态识别等功能,提出一种约束动态免疫算法(CDIOA),并用于高维约束动态背包问题的求解。通过随机约束选择策略选择可行及非可行抗体,非可行抗体参与群体的进化;利用抗体修正策略确保进化群中有一定比例可行抗体,提高算法搜索功能;设计环境识别模块判断环境变化与否,建立环境记忆池保存较优秀记忆细胞,记忆细胞参与相似(相同)环境初始群的产生,加速算法在相似环境搜索速度。建立三种不同环境的动态背包问题作为标准测试实例,将CDIOA与已有的四种动态优化算法进行测试比较,结果表明:CDIOA对各测试问题在不同环境表现出较好的收敛性能,在相似环境能快速跟踪最优值。

关键词：动态环境约束优化动态背包问题免疫算法环境识别

来源：评论

学校读者我要写书评

暂无评论

混沌演化算法求解背包问题

混沌演化算法求解背包问题

引用

2005年全国高等学校计算数学年会暨第八届全国青年计算数学研讨会

作者：王敏玲邹秀芬武汉大学数学与统计学院武汉430072

现实世界的许多优化问题属于动态优化问题一类.我们求解此类问题的目标,是设计一种自适应算法,能够在变化的问题环境中连续追踪最优解.演化算法是基于自然界生物进化机制、采用群体搜索策略的随机算法,目前已广泛应用于动态优化问题. ... 详细信息

现实世界的许多优化问题属于动态优化问题一类.我们求解此类问题的目标,是设计一种自适应算法,能够在变化的问题环境中连续追踪最优解.演化算法是基于自然界生物进化机制、采用群体搜索策略的随机算法,目前已广泛应用于动态优化问题. 混沌是非线性动力学系统研究中出现的一种现象.混沌系统具有对初值的极端敏感特性;在长期的动力学演化行为中,又具备全局有界、局部随机、不精确重复的遍历性.近年来,混沌序列不断被引入演化算法领域.其在搜索空间中的探索能力和增强群体多样性方面表现出令人感兴趣的一面.我们采用结合混沌序列的演化算法,即混沌演化算法(CEA)测试动态背包问题,研究混沌应用在演化算法中的有效性。

关键词：混沌演化算法动态背包问题群体搜索动态优化

来源：评论

学校读者我要写书评

暂无评论

基于模拟退火选择的动态免疫算法及其应用

引用

计算机工程与应用 2011年第36期47卷 57-60,64页

作者：钱淑渠武慧虹安顺学院数学与计算机科学系贵州安顺561000

借鉴人工免疫系统的记忆、动态识别等功能及模拟退火选择理论,提出一种适用于求解动态环境优化问题的动态免疫算法(DIASA),并将其用于高维动态约束背包问题。算法设计包括:(1)抗体的亲和力随群体进化而变化;(2)可行抗体被克隆和动态突变... 详细信息

借鉴人工免疫系统的记忆、动态识别等功能及模拟退火选择理论,提出一种适用于求解动态环境优化问题的动态免疫算法(DIASA),并将其用于高维动态约束背包问题。算法设计包括:(1)抗体的亲和力随群体进化而变化;(2)可行抗体被克隆和动态突变,突变概率与抗体浓度相关,而非可行抗体按价值密度贪婪修正;(3)新环境初始群经环境识别算子按不同方式生成,相似环境初始群由记忆细胞及随机抗体产生。数值实验中,选取著名的动态进化算法(ETGA)和动态免疫遗传算法(ISGA),通过不同难度的高维动态约束背包问题进行仿真比较,结果表明:DIASA较算法ISGA和ETGA对不同问题在各环境内表现较强的优化性能,群体中抗体多样性保持较好,能快速跟踪不同环境的最优值,收敛性强。

关键词：动态环境动态背包问题免疫算法模拟退火选择群体多样性

来源：评论

学校读者我要写书评

暂无评论

求解动态优化问题的多种群热力学遗传算法

引用

计算机科学与探索 2014年第2期8卷 179-185页

作者：李志杰李元香武汉大学计算机学院软件工程国家重点实验室武汉430072 湖南理工学院计算机学院湖南岳阳414006

多种群方法已被证明是提高演化算法动态优化性能的重要方法之一。提出了多种群热力学遗传算法(multi-population based thermodynamic genetic algorithm,MPTDGA)。该算法使用一个概率向量在热力学遗传算法迭代过程中不断演化优化与竞... 详细信息

多种群方法已被证明是提高演化算法动态优化性能的重要方法之一。提出了多种群热力学遗传算法(multi-population based thermodynamic genetic algorithm,MPTDGA)。该算法使用一个概率向量在热力学遗传算法迭代过程中不断演化优化与竞争学习,环境变化时分化成三个概率向量,并分别抽样产生原对偶和随机迁入三个子种群,依据这三个种群和记忆种群最好解的情况,选择新的工作概率向量进入新环境进行学习。在动态背包问题上的实验结果表明,MPTDGA比原对偶遗传算法跟踪最优解的能力更强,有很好的多样性,非常适合求解0-1动态优化问题。

关键词：动态环境多种群热力学遗传算法(MPTDGA) 多样性概率向量分化动态背包问题 multi-population based thermodynamic genetic algorithm (MPTDGA)

来源：评论

学校读者我要写书评

暂无评论

求解动态优化问题的多种群热力学遗传算法

求解动态优化问题的多种群热力学遗传算法

引用

2013年中国计算机学会人工智能会议

作者：李志杰李元香武汉大学计算机学院软件工程国家重点实验室武汉 430072 湖南理工学院计算机学院岳阳 414006 武汉大学计算机学院软件工程国家重点实验室武汉 430072

多种群方法已被证明是提高演化算法动态优化性能的重要方法之一。多种群热力学遗传算法(Multi-Population Based Thermodynamical Ge netic Algorithms,MPTDGAs)使用一个概率向量在热力学遗传算法迭代过程中不断演化优化与竞争学习,环... 详细信息

多种群方法已被证明是提高演化算法动态优化性能的重要方法之一。多种群热力学遗传算法(Multi-Population Based Thermodynamical Ge netic Algorithms,MPTDGAs)使用一个概率向量在热力学遗传算法迭代过程中不断演化优化与竞争学习,环境变化时分化成三个概率向量并分别抽样产生原-对偶和随机迁入三个子种群,依据这三个种群和记忆种群最好解的情况选择新的工作概率向量进入新环境学习。在动态背包问题上的实验结果表明,MPTDGA比原对偶遗传算法跟踪最优解的能力更强,有很好的多样性,非常适合求解0-1动态优化问题。

关键词：动态环境多种群热力学遗传算法多样性概率向量分化动态背包问题

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：