检索结果-内蒙古大学图书馆

小型微型计算机系统 2012年第9期33卷 1938-1943页

作者：汪慎文丁立新谢承旺谢大同舒万能杨华武汉大学软件工程国家重点实验室武汉大学计算机学院武汉430072 石家庄经济学院信息工程学院石家庄050031 华东交通大学软件学院南昌330013 贵州师范大学数学与计算机学院贵阳550001

群搜索优化算法把群体中的个体分为三种角色:发现者,加入者和游荡者.算法选择最优个体作为唯一的发现者,采用随机决策策略分配加入者和游荡者.该策略过于盲目,算法性能也较差.针对这一缺点,本文考虑个体与发现者的分布关系,以发现者为球... 详细信息

群搜索优化算法把群体中的个体分为三种角色:发现者,加入者和游荡者.算法选择最优个体作为唯一的发现者,采用随机决策策略分配加入者和游荡者.该策略过于盲目,算法性能也较差.针对这一缺点,本文考虑个体与发现者的分布关系,以发现者为球心,聚集在球心(或圆心)周围的个体均为加入者,散布于球外的个体为游荡者.而球的半径大小的确定,提出两种不同的方法:自适应半径策略和固定加入者个体数量策略.前者取个体到发现者的平均距离的K倍作为球的半径,后者规定离发现者最近的一定数量的个体被认为分布于球内的加入者.通过实验表明,这两种策略提高了种群多样性的同时,还保证了算法快速收敛到最优解.

关键词：群体智能群搜索优化算法发现加入模型角色分配

来源：评论

学校读者我要写书评

暂无评论

快速群搜索优化算法及其在电力系统经济调度中的应用

引用

中国电机工程学报 2012年第S1期32卷 1-6页

作者：詹俊鹏郭创新吴青华温柏坚浙江大学电气工程学院浙江省杭州市310027 利物浦大学电机电子工程系广东省电力调度中心广东省广州市510600

经济调度(economic dispatch,ED)是电力系统优化的一项重要工作。为得到一个更加精确且实用的ED模型,在模型中考虑了机组阀点效应和多燃料。该ED模型具有非凸、高维、非线性和不可微的特性,求解较为困难。为更好地求解该ED模型,提出一... 详细信息

经济调度(economic dispatch,ED)是电力系统优化的一项重要工作。为得到一个更加精确且实用的ED模型,在模型中考虑了机组阀点效应和多燃料。该ED模型具有非凸、高维、非线性和不可微的特性,求解较为困难。为更好地求解该ED模型,提出一种快速群搜索优化算法(fast groupsearch optimizer,FGSO),该算法能以更少的计算资源得到更高的收敛精度。对3个测试系统的ED模型进行求解,结果表明,FGSO比其他算法收敛速度更快,计算时间更短,能得到更小的发电费用值,且在高维的、具有多局部最优点的复杂优化问题中具有更加突出的优势。因此,FGSO用于求解该复杂ED模型是可行的、快速的和有效的。

关键词：经济调度阀点效应多燃料群搜索优化算法遗传算法粒子群优化算法

来源：评论

学校读者我要写书评

暂无评论

全局群搜索优化算法及其在汽油调合中的应用

引用

化工学报 2013年第12期64卷 4427-4433页

作者：袁奇程辉钟伟民钱锋华东理工大学化工过程先进控制和优化技术教育部重点实验室上海200237

汽油调合配比生产优化是一种非线性约束的多峰优化问题。针对一般群智能优化算法在解决此类优化中易陷于局部最优解,提出了一种改进的群搜索优化算法——全局群搜索优化算法(GGSO)。该算法采用混沌机制初始化粒子在解空间内均匀分布;在... 详细信息

汽油调合配比生产优化是一种非线性约束的多峰优化问题。针对一般群智能优化算法在解决此类优化中易陷于局部最优解,提出了一种改进的群搜索优化算法——全局群搜索优化算法(GGSO)。该算法采用混沌机制初始化粒子在解空间内均匀分布;在算法前期,保留GSO的追随者进化策略,以保证算法的收敛速度。在算法后期,对追随者引入速度更新和个体最优,以保证算法的收敛精度;在粒子陷入局部极值时,对追随者和游荡者引入一种新的交叉、变异机制和自适应混沌扰动机制,以保证粒子跳出局部极值,提高算法全局寻优性能。分别用4个标准测试函数对优化算法进行测试,结果表明:GGSO算法与标准GSO、线性递减惯性权重粒子群算法(LDWPSO)比较,收敛速度和全局寻优性能有明显优势。汽油在线调合优化实例应用表明:该算法有较快的收敛速度,能够较准确地寻得全局最优。

关键词：算法优化混沌群搜索优化算法汽油调合优化

来源：评论

学校读者我要写书评

暂无评论

群搜索优化算法的改进

群搜索优化算法的改进

引用

作者：陈耀河南理工大学

学位级别：硕士

标准群搜索优化算法(GSO)是一种新的群智能优化算法,适用于优化高维函数问题,而且简单、高效、易于实现,但在其优化后期易陷入局部最优。本文为了近一步提高算法的收敛速度和精度,对标准GSO算法进行了改进。(1)保留算法中“发现者-加入... 详细信息

标准群搜索优化算法(GSO)是一种新的群智能优化算法,适用于优化高维函数问题,而且简单、高效、易于实现,但在其优化后期易陷入局部最优。本文为了近一步提高算法的收敛速度和精度,对标准GSO算法进行了改进。(1)保留算法中“发现者-加入者”模型,针对标准GSO算法发现者以及游荡者搜索的无目的性,提出改进的群搜索优化算法(IGSO),对23个基准测试函数进行优化,结果表明改进的GSO算法在收敛精度和收敛速度上优于标准GSO算法。(2)针对发现者的单一性,提出新的多发现者群搜索优化算法。通过一组基准测试函数进行优化,测试结果表明本文算法在收敛速度以及收敛精度上优于标准GSO算法。(3)将改进的GSO算法和多发现者GSO算法分别运用于丁烯烷化过程的优化,测试结果显示出了本文算法良好的鲁棒性以及在实际问题中的良好优化能力。

关键词：群搜索优化算法群智能算法收敛速度收敛精度

来源：评论

学校读者我要写书评

暂无评论

群搜索优化算法的研究与改进

群搜索优化算法的研究与改进

引用

作者：肖顺心华南师范大学

学位级别：硕士

随着社会的发展和科技的进步，愈来愈多的复杂优化问题不断涌现，迫切需要发展新的有效的优化方法来应对这种局面。元启发式优化方法作为智能科学与计算机科学的热点研究领域，近年来取得了大量的研究成果，受到国内外研究者的广泛关注... 详细信息

随着社会的发展和科技的进步，愈来愈多的复杂优化问题不断涌现，迫切需要发展新的有效的优化方法来应对这种局面。元启发式优化方法作为智能科学与计算机科学的热点研究领域，近年来取得了大量的研究成果，受到国内外研究者的广泛关注，显示出了强大的吸引力和生命力。作为元启发式方法大家庭中的一员，群搜索优化算法(Group Search Optimization，GSO)以其进化机理简单、有效而受到青睐，然而GSO算法本身存在的固有缺陷制约了GSO算法的进一步发展和应用。论文在元启发式算法研究的大框架下，以群搜索优化算法为范例，研究群搜索优化算法及其多种变种，以不断改善GSO算法的解题性能以应对复杂的、困难的优化问题带来的挑战。具体地，本论文研究了如下内容:\n 提出了一种基于精英反向学习的GSO算法OEGSO，该算法将精英反向学习策略融合和GSO算法之中以平衡算法的全局搜索能力和局部开采能力，实验表明了OEGSO算法的有效性。\n 提出了一种结合细菌觅食算法的GSO算法bGSO，新算法细菌觅食算法产生多样性个体。细菌觅食算法与群搜索算法相互结合有效地平衡算法的全局勘探和局部开采能力，实验结果表明了该算法具有良好的求解精度和收敛性。\n 提出了基于人工免疫算法的GSO算法aisGSO。通过设计人工免疫算法和GSO算法之间的信息交换实现不同优化策略之间的有机结合。实验结果表明了aisGSO算法较之代表性的对等比较算法而具有显著的性能优化。\n 论文最后总结概括了本文的主要研究内容和取得的成果，对存在的不足之处和有待进一步的研究问题进行了总结与展望。

关键词：计算机科学群搜索优化算法人工免疫算法细菌觅食算法

来源：评论

学校读者我要写书评

暂无评论

群搜索优化算法的若干改进及其应用研究

群搜索优化算法的若干改进及其应用研究

引用

作者：于长青西安理工大学

学位级别：硕士

群搜索优化算法(Group Search Optimization,GSO)是受到动物觅食机制的启发提出的一种新颖的群智能优化算法。因为其种群结构独特,在求解优化问题时性能表现突出,因此被人们逐渐关注,在神经网络训练、函数优化、机器人路径规划等领域获... 详细信息

群搜索优化算法(Group Search Optimization,GSO)是受到动物觅食机制的启发提出的一种新颖的群智能优化算法。因为其种群结构独特,在求解优化问题时性能表现突出,因此被人们逐渐关注,在神经网络训练、函数优化、机器人路径规划等领域获得了广泛应用。然而群搜索优化算法在解决复杂问题时,依然存在过早收敛、易于陷入局部最优等问题。本论文采取多种策略对群搜索优化算法进行改进,提高其在解决复杂优化问题方面的能力。\n 本文算法从以下两个方面进行了设计和改进。为了提高群搜索优化算法的搜索能力,设计了一种基于发现者预选择机制的自适应群搜索优化算法(A producer pre-selection mechanism based self adaptive group search optimization,PSAGSO)。该算法依据发现者.追随者模型,采用预选择机制,用倒序变异算子产生新发现者,来引导追随者寻优的方向,有效地维持了群体中个体的多样性。为了使算法更好地兼顾全局和局部搜索能力,设计出了一种基于线性递减的动态自适应方法来调整游荡者的分布比例,以提高种群中个体的活力,有利于算法跳出局部最优。通过对23个基准函数进行测试。对于30维函数优化, PSAGSO算法的测试数据优于原文献提供的数据;对于300维函数优化问题,PSAGSO算法的性能更佳。实验结果表明,PSAGSO改进了群搜索优化算法的不足,在一定程度上提高了算法的收敛速度和收敛精度。\n 针对复杂环境的无人机航迹规划问题,如何给无人机规划出一条最优飞行路线?本文用融合的群搜索优化算法和差分进化算法(GSO-DE)来解决无人机航迹规划问题。基于自组织白适应策略群搜索优化算法用来更新无人机的飞行角度和乜行距离;差分进化算法用来修正无人机在任务区域的飞行航迹,这样,无人机能找到一条避免威胁、油耗较低安全的航迹。实验结果表明,改进的GSO-DE算法在无人机航迹规划中是有效的。

关键词：群搜索优化算法倒序变异动态自适应差分进化算法航迹规划

来源：评论

学校读者我要写书评

暂无评论

群搜索优化算法在中压配电网规划中的应用研究

群搜索优化算法在中压配电网规划中的应用研究

引用

作者：安晓伟兰州交通大学

学位级别：硕士

我国的配电系统发展水平较低。随着城市化进程的加快和许多城市新区建设规模的不断扩大,现有的配电网络已滞后于城市经济的发展。合理的配电网规划可以有效解决目前我国城市配电网存在的网架结构薄弱、线损偏高和网络规划不合理等多种... 详细信息

我国的配电系统发展水平较低。随着城市化进程的加快和许多城市新区建设规模的不断扩大,现有的配电网络已滞后于城市经济的发展。合理的配电网规划可以有效解决目前我国城市配电网存在的网架结构薄弱、线损偏高和网络规划不合理等多种问题。在分析了常用算法所存在的不足的基础上,建立了以经济性为目标的配电网规划的数学模型,并考虑多种约束条件。一种新型随机搜索算法-群搜索优化算法被用于问题的求解。在对群搜索优化算法的研究分析中,针对基本算法存在追随者寻优方式单一,易于陷入局部最优等问题,提出一种融合鱼群寻优策略的改进群搜索优化算法,并将其应用于问题的求解中。仿真结果证明改进算法所具有的优越性。论文主要完成以下内容:(1)对目前常见的配电网规划算法进行研究分析,重点阐述算法的缺点与不足,指出采用新的随机优化算法解决问题的必要性与可行性。(2)对配电网潮流计算方法进行比较分析,确定一种改进的前推回代法,并运用算例对其进行仿真验证,验证结果表明所采用方法的有效性。(3)对群搜索优化算法进行深入的研究,并对算法做出改进:针对群搜索优化算法由于追随者寻优方式单一而易于陷入局部最优的情况,通过对算法中追随者搜索模式进行鱼群行为优化来加强算法的局部搜索能力,使其能够更好地完成优化工作。6个测试函数实验结果表明改进后的算法具有更快的收敛速度与效率。(4)以包含网损费用与线路建设费用的目标函数作为配电网规划的数学模型,并把改进后的群搜索优化算法应用到此问题的求解当中。通过两个配电网规划算例仿真计算,并与人工鱼群算法和改进前的群搜索优化算法得到的结果进行对比分析,结果表明改进群搜索优化算法具有收敛速度快,易于找到最优解的优点。

关键词：配电网规划群搜索优化算法人工鱼群算法潮流计算

来源：评论

学校读者我要写书评

暂无评论

求解中间存储有限Flow Shop调度问题的离散群搜索优化算法

引用

华东理工大学学报（自然科学版） 2013年第6期39卷 713-719页

作者：崔喆顾幸生华东理工大学教育部化工过程控制与优化重点实验室上海200237

针对中间存储有限的Flow Shop调度问题,提出了一种离散群搜索优化算法来最小化工件加工的总流水时间。该算法首先采用基于工件排列的离散编码方式,使得能够直接求解离散的调度问题;其次提出了新的初始化方法,确保了初始种群既具有一定... 详细信息

针对中间存储有限的Flow Shop调度问题,提出了一种离散群搜索优化算法来最小化工件加工的总流水时间。该算法首先采用基于工件排列的离散编码方式,使得能够直接求解离散的调度问题;其次提出了新的初始化方法,确保了初始种群既具有一定的多样性,又有较好的性能;还引入了离散差分进化的思想,增强了算法的运算效率与搜索能力。最后使用正交设计的方法设置算法参数,通过对Taillard算例的仿真计算,验证了本文算法的优越性。

关键词：中间存储有限 Flow Shop 总流水时间群搜索优化算法

来源：评论

学校读者我要写书评

暂无评论

快速被动群搜索优化算法及其在空间结构中的应用

引用

工程设计学报 2010年第6期17卷 420-425页

作者：刘锋覃广李丽娟广东工业大学工程力学研究所广东广州510006

在快速群搜索优化算法QGSO(quick group search opti mizer)基本原理的基础上,提出了改进的快速群搜索优化算法——快速被动群搜索优化算法QGSOPC(quick group search opti mizer with passive congregation),并应用于结构优化设计.采用... 详细信息

在快速群搜索优化算法QGSO(quick group search opti mizer)基本原理的基础上,提出了改进的快速群搜索优化算法——快速被动群搜索优化算法QGSOPC(quick group search opti mizer with passive congregation),并应用于结构优化设计.采用QGSOPC优化算法分别对空间结构进行离散变量的截面优化设计,并与QGSO优化算法、群搜索优化算法GSO(group search opti mize)和启发式粒子群优化算法(HPSO)的计算结果进行比较,结果表明改进的快速被动群搜索优化算法QGSOPC与QGSO算法、GSO算法和HPSO算法相比不但具有较好的收敛精度和更快的收敛速度,而且具有很好的稳定性.该算法可有效率地应用于实际结构的优化设计.

关键词：群搜索优化算法结构优化稳定性收敛精度收敛速度

来源：评论

学校读者我要写书评

暂无评论

交互变邻域微分进化群搜索优化算法

引用

小型微型计算机系统 2012年第4期33卷 809-814页

作者：贺国华崔志华谭瑛太原科技大学复杂系统与计算智能实验室太原030024

群搜索优化算法(Group Search Optimizer,GSO)具有广泛的生物学背景,特别是引入动物的视觉搜索机制,并且同一些已有的群智能算法相比较,在高维多峰问题上有更好的效果.但算法在个体觅食策略的选择上以及整个动物群体间信息共享的网络拓... 详细信息

群搜索优化算法(Group Search Optimizer,GSO)具有广泛的生物学背景,特别是引入动物的视觉搜索机制,并且同一些已有的群智能算法相比较,在高维多峰问题上有更好的效果.但算法在个体觅食策略的选择上以及整个动物群体间信息共享的网络拓扑结构来看,存在错过最优值和信息交流模式过于简单的缺陷.受NW模型的启发,同时采用动态采样的方式提出了交互变邻域微分进化群搜索优化算法(Interactive Dynamic Neighborhood Differential Evolutionary GSO,IDGSO),并采用均匀设计和线性回归方法对参数进行选择,4个标准测试函数表明了IDGSO的有效性.

关键词：群搜索优化算法微分模型动态采样拓扑结构均匀设计

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：