检索结果-内蒙古大学图书馆

作者：贺宝润吉林大学

学位级别：硕士

最优化问题是运筹学与应用数学的重要研究领域之一,其要解决的问题是对于一个给定的目标函数,如何在这个函数的定义域中找到一个最优解。随着科学与工业领域的发展,最优化理论已经形成一门学科并且在工业生产与社会生活的方方面面有着... 详细信息

最优化问题是运筹学与应用数学的重要研究领域之一,其要解决的问题是对于一个给定的目标函数,如何在这个函数的定义域中找到一个最优解。随着科学与工业领域的发展,最优化理论已经形成一门学科并且在工业生产与社会生活的方方面面有着广泛应用,比如车间资源调度和建筑结构优化等。求解最优化问题的算法一直都是学界的研究热点。随着仿生学和计算机科学的迅猛发展,群智能优化算法这种模仿自然界生物的群体行为算法吸引了学者越来越多的注意力。这种算法不需要使用者对优化问题有先验知识,也不需要精心设置算法的初始值,泛化性能相较于传统的优化算法更好。在实际工程应用的优化问题中,我们更希望构造出一个能够得到多个可行解的算法,因为有时优化算法得到的最优解常常因为成本问题或者一些未曾考虑到的约束条件无法采用。传统的优化算法面对这种问题时常常需要采用多次运行求解的方法,这种解决方案导致了计算资源的浪费。因此多模态优化问题也应运而生,多模态优化问题的目标简而言之就是指在求解优化问题时,不仅仅发现一个唯一的最优解,同时要搜索多个最优解或者近似最优解,为决策者提供多个备选解以供其选择。为了解决多模态优化问题,受到现实世界中科研合作机制的启发,提出了一种基于学术合作与流体智能(Academic Fluid and Cooperation Intelligence,AFCI)的进化计算框架。通过多个科研小组相对独立地演化,最大程度上保持了种群的多样性,减小了传统进化算法发生早熟收敛的可能性。为了验证新提出算法框架的有效性,我们首先将AFCI框架与粒子群优化算法(PSO)结合并提出了AFCI-PSO算法,在单模态的连续优化的100位挑战问题数据集上用我们的算法与八种进化算法进行对比与分析。实验结果表明,AFCI算法对于100位挑战的优化精度优于对比的八种群智能优化算法;为了解决单模态的组合优化问题,我们将AFCI与遗传算法(GA)结合并提出了AFCI-GA算法,在单模态组合优化问题的一个实例—柔性车间调度问题的数据集上我们的算法与五种经典的群智能算法进行了对比,我们算法的得分高于所有的对比算法。在验证了新提出算法的有效性之后,我们将AFCI-PSO进行了改进,使之能够更适合求解多模态优化问题。在小组初始化过程中,基于吸引子传播聚类算法生成各个研究小组,目的是为了能够稳定地维持不同小生境中小组的存在;然后在PSO算法演化的过程中,使用了基于高斯分布的邻域搜索算法在保证算法的全局搜索能力的前提下加快算法的收敛。我们将提出的AFCI-MPSO与三个不同的小生境策略的多模态优化算法应用在CEC2013多模态优化问题的标准数据集上,得到的结果显示我们的算法明显优于对比算法。

关键词：进化计算多模态优化问题群智能算法科研合作机制小生境策略

来源：评论

学校读者我要写书评

暂无评论

生物启发式算法求解多模态优化问题研究

引用

长江大学学报（自科版）（上旬） 2016年第3期13卷 40-48,4页

作者：钱乾芮坤坤程美英安徽商贸职业技术学院电子信息工程系安徽芜湖241002 合肥工业大学管理学院安徽合肥230009 南洋理工大学计算机工程学院新加坡639798

实际生活及工程应用中的诸多问题均可归结为多模态优化问题,研究多模态优化问题的目的在于找出问题的所有全局极值解或有意义的局部极值解。从算法的"完全收敛性"出发,探讨了目前生物启发式算法(如遗传算法、蚁群算法、萤火... 详细信息

实际生活及工程应用中的诸多问题均可归结为多模态优化问题,研究多模态优化问题的目的在于找出问题的所有全局极值解或有意义的局部极值解。从算法的"完全收敛性"出发,探讨了目前生物启发式算法(如遗传算法、蚁群算法、萤火虫算法、鱼群算法、粒子群算法等)求解多模态优化问题存在的问题和缺陷,并得出其在求解多模态优化问题时必须满足的条件:种群的多样性及种群分布的均匀性。随后概括并总结了目前求解多模态优化问题而保持种群多样性及均匀性的若干策略,着重研究了通过生物启发式算法并结合改进小生境技术在多模态优化问题求解中的研究进展,最后评述了今后一些有意义的研究方向及主要研究内容。

关键词：多模态优化问题生物启发式算法完全收敛性小生境技术种群多样性

来源：评论

学校读者我要写书评

暂无评论

基于多目标方法的多模态优化算法研究

基于多目标方法的多模态优化算法研究

引用

作者：郑恬子东北大学

学位级别：硕士

现实生活与工程实践中,存在多个最优解的多模态优化问题是一类常见的优化问题,例如电磁设计、蛋白质检测、行人检测和路径优化等。然而大部分已经存在的多模态优化算法都依赖小生境参数,用多目标方法解决多模态优化问题就可以避免这类问... 详细信息

现实生活与工程实践中,存在多个最优解的多模态优化问题是一类常见的优化问题,例如电磁设计、蛋白质检测、行人检测和路径优化等。然而大部分已经存在的多模态优化算法都依赖小生境参数,用多目标方法解决多模态优化问题就可以避免这类问题,因此本文研究了一系列基于多目标方法的多模态优化算法,主要工作和研究成果如下:提出了一种基于分解多目标方法的多模态优化算法(A multimodaloptimization algorithm based on the decomposition-based multi-objective method,MMO-MOEA/D)。该算法通过利用第一维决策变量和原始多模态函数值等信息直接将多模态函数转换成为拥有两个互相冲突目标的多目标函数。在确定该转换方法的有效性之后,采用一种基于分解的多目标进化算法对该转换后的双目标函数进行优化。通过优化一组多模态测试函数,对提出的算法进行性能评估;通过与一系列经典的多模态优化算法进行比较实验来验证所提出算法的有效性。针对目标直接转换法中存在决策变量信息利用不完全的问题,本文提出了一种基于改进的分解支配多目标方法的多模态优化算法(A multimodal optimization algorithm based on improved multi-objective method based on decomposition and dominance,MMO-IMOEA/DD)。该算法采用了一种目标扩展法将一个双目标函数扩展成为多个双目标函数,从而更新了 Pareto支配关系。提出了一种新型邻域更新策略。该策略在进化过程中极大地平衡了种群多样性和收敛性。基于分解和支配的多目标进化算法框架结合了更新后的Pareto支配关系以及新型邻域更新策略求解转换后双目标函数,从而找到最优解。仿真实验结果表明,所提出算法能够有效地解决多模态优化问题。

关键词：多模态优化问题多目标优化分解支配

来源：评论

学校读者我要写书评

暂无评论

差分进化算法的改进及其在神经网络中的应用研究

差分进化算法的改进及其在神经网络中的应用研究

引用

作者：段丹婷西南大学

学位级别：硕士

最优化问题在科学研究和工程实践的各个领域中无处不在。当今时代,科技飞速发展,传统的优化方法在求解具有大规模、高维度、NP-难、动态等复杂特征的优化问题时,无法在可接受的时间内取得令人满意的解。由于其简单的原理、较强的全局搜... 详细信息

最优化问题在科学研究和工程实践的各个领域中无处不在。当今时代,科技飞速发展,传统的优化方法在求解具有大规模、高维度、NP-难、动态等复杂特征的优化问题时,无法在可接受的时间内取得令人满意的解。由于其简单的原理、较强的全局搜索能力、良好的鲁棒性和适应性等卓越的优势,进化算法在处理复杂的优化问题时得到了国内外研究者普遍的关注与认可。作为进化算法的新兴分支——差分进化算法是一类基于群体的随机并行算法。除了具备上述进化算法共有的优点,差分进化算法还有着搜索能力强、控制参数少等特有的性能,近二十年间取得了大量的突破性进展。尽管如此,差分进化算法中仍然存在着以下亟需攻克的问题:(1)变异策略的选择和控制参数的设定对差分进化算法的性能起着决定性的影响。标准差分进化算法中,在进化的后期个体间信息的差异变小,算法的全局搜索能力受到了一定的限制。这不仅降低了算法的收敛速度,而且还会使算法陷入局部最优,从而容易引发早熟收敛和搜索停滞的现象。(2)最初,差分进化算法往往只是在标准函数测试集上评估其性能。然而,随着人类需求与生产实践的快速发展,实际优化问题中呈现出更为复杂的特性。差分进化算法单一的编码形式限制了其在这类实际问题上的优化能力和拓展使用。根据特定优化问题中的具体模型信息改进算法能够在应用差分进化算法求解特定实际优化问题时带来更满意的效果。针对上述问题,本论文研究了差分进化的算法改进和应用两方面的内容,主要贡献包括:(1)提出了一种基于模糊建模的具有多重变异策略的差分进化算法:通过模糊建模的方法将进化过程划分为三个阶段,为不同的进化阶段设计不同的变异策略及参数设置,同时提高算法的准确性与效率。(2)提出了一种基于小生境技术的自适应种群规模的差分进化算法:首先,采用一种启发式的聚类技术,将整个种群划分为一系列互不相交的子种群。其次,为增加多样性,子种群中的最优个体执行均匀随机运动或布朗运动。最后,设计了种群规模自适应调整策略,当最优解的数量不再增加时可向原始种群中添加新的个体,同时,移除在同一个峰值上搜索的较差的子种群。在标准测试集上的实验结果证明:该算法增加了种群的多样性,减少了计算开销。(3)将改进的差分进化算法用于优化神经网络集成,拓宽算法的应用领域:传统上,神经网络中的每个个体网络都是单独训练的,这将会导致网络冗余和昂贵的训练开销。本论文采用改进的基于小生境技术的差分进化算法训练神经网络集成。实验结果表明:该算法能够在神经网络集成中同时优化所有的个体神经网络,并且这些个体神经网络中的参数互不相同,这保证了个体神经网络的多样性和准确性。

关键词：差分进化算法模糊建模多模态优化问题参数自适应调整神经网络集成

来源：评论

学校读者我要写书评

暂无评论

一种求解多模态复杂问题的混合和声差分算法

引用

智能系统学报 2018年第2期13卷 281-289页

作者：黎延海拓守恒陕西理工大学数学与计算机科学学院陕西汉中723001

针对多模态复杂优化问题,提出了一种基于和声搜索和差分进化的混合优化算法:HHSDE算法。在不同的进化阶段,HHSDE算法依据累积加权更新成功率来自适应地选择和声算法或差分算法作为更新下一代种群的方式,并改进了差分算法的变异策略来平... 详细信息

针对多模态复杂优化问题,提出了一种基于和声搜索和差分进化的混合优化算法:HHSDE算法。在不同的进化阶段,HHSDE算法依据累积加权更新成功率来自适应地选择和声算法或差分算法作为更新下一代种群的方式,并改进了差分算法的变异策略来平衡差分算法的全局与局部搜索能力。通过对10个多模态Benchmark函数进行测试,利用Wilcoxon秩和检验对不同算法的计算结果进行比较,结果表明HHSDE算法具有收敛速度快,求解精度高,稳定性好等优势。

关键词：和声搜索差分进化混合机制更新成功率变异策略多模态优化问题

来源：评论

学校读者我要写书评

暂无评论

遗传算法求解多模态优化问题的动力性

引用

自动化学报 2008年第2期34卷 180-187页

作者：李航李敏强寇纪淞天津大学管理学院

多模态函数一般存在多个局部极值解,局部极值解处适应值的大小很大程度上影响了它们被遗传算法搜索到的概率.为了弄清楚这种影响机制,通过分析基因池遗传算法的无限种群动力系统,刻画了双峰函数局部极值解的适值差与系统不动点之间的解... 详细信息

多模态函数一般存在多个局部极值解,局部极值解处适应值的大小很大程度上影响了它们被遗传算法搜索到的概率.为了弄清楚这种影响机制,通过分析基因池遗传算法的无限种群动力系统,刻画了双峰函数局部极值解的适值差与系统不动点之间的解析关系,进一步分析推广了理论结果的适用范围.最后,提出针对多模态优化问题的两阶段遗传算法,给出了应用理论结果改善遗传搜索性能的范例,实验结果表明该算法对多模态函数的搜索性能有明显改善,从侧面证明了理论结果在实际应用中的正确性.

关键词：多模态优化问题双峰函数 Walsh变换基因池遗传算法

来源：评论

学校读者我要写书评

暂无评论

遗传算法求解多模态优化问题的研究

遗传算法求解多模态优化问题的研究

引用

作者：李航天津大学

学位级别：博士

如何应用遗传算法求解多模态优化问题已经成为遗传算法乃至进化计算领域的一个广受关注的问题,它也是遗传算法理论和实际应用的基础。这方面的成果层出不穷,但理论研究相对薄弱。特别是研究外部参数如何影响遗传算法求解多模态优化问题... 详细信息

如何应用遗传算法求解多模态优化问题已经成为遗传算法乃至进化计算领域的一个广受关注的问题,它也是遗传算法理论和实际应用的基础。这方面的成果层出不穷,但理论研究相对薄弱。特别是研究外部参数如何影响遗传算法求解多模态优化问题的性能这方面仍然是个空白,本文着重进行了这方面的理论研究并对相应结论进行了推广。推广后的理论结果被用于改进遗传算法对多模态优化问题的搜索性能。本文的主要研究内容包括: 1.对多模态优化问题和遗传算法进行了简单回顾,对应用遗传算法解决多模态优化问题的研究现状进行了分析,介绍了遗传算法的基础理论及其发展趋势。 2.对经Walsh变换后的基因池遗传算法的无限种群模型进行了分析,刻画了“双峰函数”局部极值解的适值差与基因池遗传算法的搜索性能之间的关系,对上述理论结果进行了理论推广和实验验证。最后,根据所得结论设计出了针对多模态优化问题的两阶段遗传算法,并得到了满意的实验结果,这也从侧面说明了上述理论结果的正确性。 3.讨论了局部极值解的吸引域对遗传算法收敛结果的影响,以及参数搜索空间规模对遗传算法搜索性能的影响,所得结论充分说明了对解空间进行合理划分的必要性。结合正交设计法,提出了基于解空间合理划分的遗传算法,通过仿真实验验证了该算法对多模态优化问题的有效性。 4.分析了两类基于遗传算法无限种群模型的复杂进化系统,在此基础上构造了两类新的种群进化系统,并推导出了它们在单基因位情况下的动力方程。对新系统在稳态情况下的复杂动力行为进行了分析,通过相图、分岔图和Lyapunov指数谱图,严格地证明了其中一类系统具有混沌特性,而另一类系统具有复杂的周期特性。根据以上结论,提出了一种能够持续保持遗传算法的种群多样性的方法,它对求解多模态优化问题很有帮助。

关键词：遗传算法多模态优化问题适值差搜索空间规模混沌

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：