检索结果-内蒙古大学图书馆

科学技术创新 2025年第4期 56-59页

作者：张斗钧吴勇福建师范大学地理科学学院、碳中和未来技术学院福建福州

针对Cesium渲染3DTiles模型时间过长的问题,Cesium官方提供了一系列渲染参数以期解决该问题。但Cesium提供的渲染参数默认值并不是最优值,且不适合每一个3DTiles模型。文章利用差分演化算法对Cesium提供的3DTiles模型渲染参数进行优化,... 详细信息

针对Cesium渲染3DTiles模型时间过长的问题,Cesium官方提供了一系列渲染参数以期解决该问题。但Cesium提供的渲染参数默认值并不是最优值,且不适合每一个3DTiles模型。文章利用差分演化算法对Cesium提供的3DTiles模型渲染参数进行优化,以此提升Cesium渲染3DTiles模型的性能。实验结果表明差分演化算法寻找的最优参数值可以有效地帮助Cesium引擎缩短3DTiles模型的渲染时间。

关键词： Cesium 3DTiles 参数优化差分演化

来源：评论

学校读者我要写书评

暂无评论

差分演化的收敛性分析与算法改进

引用

软件学报 2010年第5期21卷 875-885页

作者：贺毅朝王熙照刘坤起王彦祺石家庄经济学院信息工程学院河北石家庄050031 河北大学数学与计算机学院河北保定071002 中国地质大学计算机学院湖北武汉430074

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性... 详细信息

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性;然后,在"拟物拟人算法"的启发下,通过对DE各进化模式的共性特征与性能差异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperating evolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称MDO)定义的基础上证明了它的渐进收敛性.对5个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE和DEfirSPX等算法相比,MEDE算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维函数的数值最优化问题.

关键词：差分演化渐近收敛性压缩映射随机算子进化模式

来源：评论

学校读者我要写书评

暂无评论

参数自适应差分演化算法在面波频散曲线反演中的应用

引用

岩土工程学报 2016年第1期38卷 147-154页

作者：程飞刘江平毛茂王京宋先海中国地质大学(武汉)地球内部多尺度成像湖北省重点实验室湖北武汉430074 中交第二航务工程勘察设计院有限公司湖北武汉430071

针对传统差分演化算法在反演瑞雷波频散曲线中存在交叉概率和缩放因子选取不当导致反演结果不准确等问题,在传统差分演化算法的基础上,把控制参数直接编码到个体中,即采用参数自适应差分演化算法对高频瑞雷波频散曲线进行反演来获得近... 详细信息

针对传统差分演化算法在反演瑞雷波频散曲线中存在交叉概率和缩放因子选取不当导致反演结果不准确等问题,在传统差分演化算法的基础上,把控制参数直接编码到个体中,即采用参数自适应差分演化算法对高频瑞雷波频散曲线进行反演来获得近地表的横波速度结构。合成和实际数据的反演实验结果表明:参数自适应差分演化算法继承了传统差分演化算法简单、高效的特点同时,还可在频散曲线的反演中自动地选取合适的参数值并正确地进行反演迭代,无需再通过试验获得交叉概率和缩放因子两个控制参数;频散曲线反演中目标函数的收敛性好,改进算法在迭代的过程中能够快速收敛到全局最优;模型参数的概率分布高,即在大的空间搜索范围内,参数自适应差分演化算法仍然能够准确地搜索到真值范围并找到全局极小值,保证了反演的结果可靠度,使其能有效地应用于瑞雷波频散曲线的反演和解释。

关键词：瑞雷波频散曲线反演差分演化参数自适应

来源：评论

学校读者我要写书评

暂无评论

基于旋转学习机制的差分演化算法

引用

电子学报 2015年第10期43卷 2040-2046页

作者：刘会超吴志健武汉大学计算机学院软件工程国家重点实验室湖北武汉430072 黄淮学院信息工程学院河南驻马店463000

为克服反向学习机制仅能搜索反向空间中一个固定点的弊端,通过引入旋转操作将其扩展为一种新的旋转学习机制,新机制通过调整旋转角度能搜索旋转空间中的任意一点,具备更强的勘探能力和多种应用模式.通过嵌入旋转学习算子,并引入参数自... 详细信息

为克服反向学习机制仅能搜索反向空间中一个固定点的弊端,通过引入旋转操作将其扩展为一种新的旋转学习机制,新机制通过调整旋转角度能搜索旋转空间中的任意一点,具备更强的勘探能力和多种应用模式.通过嵌入旋转学习算子,并引入参数自适应机制,提出了新的基于旋转学习的差分演化算法.在广泛使用的测试函数集上开展仿真实验,结果验证了旋转学习机制的有效性,与多种知名差分演化算法相比,新算法在寻优性能上竞争优势明显,且具有良好的适用性.

关键词：演化计算差分演化旋转学习机制反向学习机制

来源：评论

学校读者我要写书评

暂无评论

认知无线网状网中基于差分演化的功率控制与信道分配

引用

电子学报 2013年第1期41卷 62-67页

作者：贾杰李燕燕陈剑王兴伟东北大学信息科学与工程学院辽宁沈阳110819

信道分配对于提高认知无线网状网性能具有重要作用.考虑到节点功率对网络干扰的影响,定义了网络干扰边及潜在干扰边,通过量化通信功率控制等级,给出了联合功率控制与信道分配的网络模型.提出一种基于差分演化的功率控制与信道分配算法,... 详细信息

信道分配对于提高认知无线网状网性能具有重要作用.考虑到节点功率对网络干扰的影响,定义了网络干扰边及潜在干扰边,通过量化通信功率控制等级,给出了联合功率控制与信道分配的网络模型.提出一种基于差分演化的功率控制与信道分配算法,设计了实数编码规则及相应的约束控制机制以保证个体的有效性,确保算法的快速收敛.一系列仿真实验表明本文算法的有效性.

关键词：认知无线网状网功率控制信道分配差分演化

来源：评论

学校读者我要写书评

暂无评论

一种具有混合编码的二进制差分演化算法

引用

计算机研究与发展 2007年第9期44卷 1476-1484页

作者：贺毅朝王熙照寇应展石家庄经济学院信息工程学院河北大学数学与计算机学院保定071002 军械工程学院计算机工程系石家庄050003

差分演化(DE)是Storn和Price于1997年提出的一种基于个体差异重组思想的演化算法,非常适用于求解连续域上的最优化问题.首先引入"差异算子"等概念,给出DE的一种简洁算法描述,并分析了它所具有的特性.然后,为了使DE能够求解离... 详细信息

差分演化(DE)是Storn和Price于1997年提出的一种基于个体差异重组思想的演化算法,非常适用于求解连续域上的最优化问题.首先引入"差异算子"等概念,给出DE的一种简洁算法描述,并分析了它所具有的特性.然后,为了使DE能够求解离散域上的最优化问题,基于数学变换思想引入"辅助搜索空间"和"个体混合编码"等概念,通过定义一个特殊的满射变换,在辅助搜索空间的作用下将连续域上的高效差分演化搜索变换为离散域上的同步演化搜索,由此提出了第1个二进制差分演化算法:具有混合编码的二进制差分演化算法(HBDE).接着,给出了HBDE的依概率收敛和完全收敛的定义,并利用离散Markov随机理论证明了HBDE是完全收敛的.HBDE不仅完全具有DE的各种特性和所有优点,而且非常适用于求解离散域上的最优化问题,对随机生成的大规模3-SAT问题实例和典型0/1背包问题实例的数值计算表明:该算法具有很好的全局收敛性和稳定性,其性能远远超过二进制粒子群优化算法和遗传算法.

关键词：差分演化个体混合编码辅助搜索空间 3-SAT问题背包问题

来源：评论

学校读者我要写书评

暂无评论

基于差分演化算法的自适应无迹卡尔曼滤波

引用

电子与信息学报 2013年第4期35卷 838-843页

作者：金瑶蔡之华梁丁文中国地质大学(武汉)计算机学院武汉430074

该文在分析无迹变换缩放参数选择方法的基础上,通过对几种缩放参数选择方法的对比分析后,确定以缩放参数选择作为优化目标,将差分演化算法(Differential Evolution,DE)应用到无迹卡尔曼滤波(Unscented KalmanFilter,UKF)计算中,选择每... 详细信息

该文在分析无迹变换缩放参数选择方法的基础上,通过对几种缩放参数选择方法的对比分析后,确定以缩放参数选择作为优化目标,将差分演化算法(Differential Evolution,DE)应用到无迹卡尔曼滤波(Unscented KalmanFilter,UKF)计算中,选择每时刻滤波误差最小的缩放参数。提出了基于差分演化算法的自适应无迹卡尔曼滤波算法。通过实验表明,这种自适应策略不仅能够有效提高UKF的精度,避免使用固定缩放参数时可能造成的滤波随机发散;而且不受缩放参数个数限制,可以应用到任意形式的UKF中。

关键词：无迹卡尔曼滤波无迹变换缩放参数差分演化

来源：评论

学校读者我要写书评

暂无评论

一种基于差分演化的粒子滤波算法

引用

电子与信息学报 2011年第7期33卷 1639-1643页

作者：李红伟王俊王海涛西安电子科技大学雷达信号处理国家重点实验室西安710071

针对粒子滤波(Particle Filter,PF)存在的粒子退化和贫化问题,该文提出一种基于差分演化(Differential Evolution,DE)的PF算法。首先,为了充分利用最新的观测信息,采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)来产生重要性分布,对... 详细信息

针对粒子滤波(Particle Filter,PF)存在的粒子退化和贫化问题,该文提出一种基于差分演化(Differential Evolution,DE)的PF算法。首先,为了充分利用最新的观测信息,采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)来产生重要性分布,对重要性分布产生的采样粒子不再做传统重采样操作,而是直接把采样粒子当作DE中的种群样本,粒子权重作为样本的适应函数,对粒子做差分变异、交叉、选择等迭代优化,最后得到最优的粒子点集。试验结果表明,该算法有效缓解了传统PF算法中的粒子退化和贫化,提高了粒子的利用率,具有较好的估计精度。

关键词：目标跟踪粒子滤波差分演化无迹卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

自适应差分演化算法在图像监督分类中的应用

引用

武汉大学学报（信息科学版） 2013年第1期38卷 23-26,127页

作者：吴佳蔡之华金晓文中国地质大学(武汉)计算机学院武汉市鲁磨路388号430074 中国地质大学(武汉)环境学院武汉市鲁磨路388号430074

针对传统遥感图像分类算法存在约束条件多、容易陷入局部最优解、分类精度低的缺陷,提出了一种基于自适应差分演化的遥感分类新方法。实验结果表明,基于自适应差分演化的遥感图像分类算法在分类精度上优于传统方法,在收敛速度上优于标... 详细信息

针对传统遥感图像分类算法存在约束条件多、容易陷入局部最优解、分类精度低的缺陷,提出了一种基于自适应差分演化的遥感分类新方法。实验结果表明,基于自适应差分演化的遥感图像分类算法在分类精度上优于传统方法,在收敛速度上优于标准的差分演化分类算法,其分类精度和Kappa系数分别达到了92.66%和0.901 7。

关键词：自适应差分演化遥感图像监督分类演化算法

来源：评论

学校读者我要写书评

暂无评论

二阶段循环优化差分演化算法

引用

电子学报 2013年第12期41卷 2456-2461页

作者：周雅兰王甲海林琛广东商学院信息学院广东广州510320 中山大学计算机科学系广东广州510006

差分演化算法具有结构简单容易实现,收敛速度快和鲁棒性强等优点,但是存在早熟和进化停滞的现象.提出的二阶段循环优化差分演化算法框架能够很好地保持算法局部开采能力和全局勘探能力的平衡.在差分演化的变异操作中,以马氏距离矩阵为... 详细信息

差分演化算法具有结构简单容易实现,收敛速度快和鲁棒性强等优点,但是存在早熟和进化停滞的现象.提出的二阶段循环优化差分演化算法框架能够很好地保持算法局部开采能力和全局勘探能力的平衡.在差分演化的变异操作中,以马氏距离矩阵为依据分别在目标向量的近邻或者远邻中选择父辈个体参与变异,这样分别形成偏重局部开采或者偏重全局勘探的搜索阶段,此二阶段循环迭代,使得局部开采和全局勘探能力得到震荡平衡.在CEC2005标准函数集上的测试结果显示了提出算法框架的有效性.

关键词：差分演化二阶段循环优化局部开采全局勘探连续优化

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：