搜索结果: 76-90 共查到“计算机科学技术 进化”相关记录237条 . 查询时间(0.147 秒)
基于文化算法和改进差分进化算法的混合算法
文化算法 差分进化算法 信念空间
2009/9/18
改进差分进化算法不能有效利用进化过程中的知识，传统文化算法进化后期收敛速度较慢。针对这些问题提出一种基于文化算法和改进差分进化算法的混合算法，并将这一算法应用于约束求解问题。对基准函数和丁烯烷化生产调度问题进行仿真，结果表明该混合算法具有较好的实用性和稳健性，在寻优效率和优化结果方面都优于与之比较的算法，并降低了计算量。
一种基于邻域的多目标进化算法
多目标进化算法 多目标优化问题 种群维护
2009/9/17
种群维护是多目标进化算法的重要组成部分。针对维护方法和运行效率的矛盾，提出一种基于邻域的多目标进化算法（NMOEA）。定义了一个反映个体之间邻近程度的指标--邻域包含关系，利用此关系对个体进行分布适应度分级的赋值，并用动态方法快速地对种群进行维护。通过7个测试问题和3个方面的测试标准，结果表明新算法在较快速地接近真实的最优面的同时，拥有良好的分布性。
基于Q学习的适应性进化规划算法
进化规划 变异策略 Q学习
2009/9/8
进化规划中, 个体选择变异策略特别重要. 适应性变异策略因在进化过程中动态选择个体变异策略, 能够取得较好的性能. 传统适应性变异策略都依据个体一步进化效果考察个体适应性, 没有从多步进化效果上对变异策略进行评价. 本文提出一种新的基于 Q 学习的适应性进化规划算法QEP (Q learning based evolutionary programming), 该算法将变异策略看成行动, 考察个体...
基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法
区域增长 支持向量数据域描述 模糊置信度
2009/9/8
为了克服经典区域增长算法在复杂目标与背景分布情况下, 停止条件难以确定的不足, 提出基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法. 该算法结合了主动轮廓模型(Active contour model, ACM)、目标数据分布域描述与区域增长三者的优点, 首先利用分割目标的支持向量数据域描述将待分割图像转化为相对于分割目标的模糊置信度表示, 因为分割过程充分利用了有监督学习策略得到的目标...
基于视觉注意模型和进化规划的感兴趣区检测方法
计算机视觉 视觉注意模型 感兴趣区意焦点
2009/9/1
根据生物注意机制，该文提出了一种基于视觉注意模型和进化规划的感兴趣区检测方法。采用进化规划方法分割图像候选区域；区域兴趣度由视觉注意模型产生的局部显著和进化规划计算的全局显著共同度量。在视觉注意模型中，图像经过小波多尺度变换和计算中央周边差得到局部显著度。注意焦点在显著度增强因子的作用下，选取候选区域得到感兴趣区。实验结果表明，所提方法检测的感兴趣区更接近人眼的视觉注意机制，并取得了较为满意的对象...
Multi-Agent协同进化算法研究
多智能体 进化算法 蚁群算法
2009/8/20
与传统优化方法相比，进化计算具有内在的并行性和自组织、自适应、自学习等智能特征，它在许多领域显示出巨大优势并取得一定成功。研究Multi-Agent协同进化算法，集成现有算法中的几种优势策略，利用混合策略的思想结合具体问题设计算法，并以实例说明该算法的有效性。
多目标进化算法测试问题的设计与分析
多目标优化 进化算法 Pareto最优
2009/8/20
为了有效检测多目标优化进化算法的性能，从3个方面进行多目标优化测试问题的设计，即约束条件、最优解分布的均匀性、算法逼近Pareto最优前沿的难度，采用NSGA-Ⅱ算法对这些测试问题进行仿真实验，并将算法求得的最优解可视化。结果显示，测试问题能够有效检测算法在上述3方面的性能。
基于单纯形算子的混合差分进化算法
复杂非线性函数 差分进化算法 单纯形法 混合优化算法
2009/8/20
针对DE/rand/1/bin方案收敛速度慢的缺点，提出一种将单纯形确定性算法和差分进化随机搜索算法相结合的混合优化算法。利用差分进化算法搜索范围广、全局搜索能力强和单纯形算法局部搜索能力强、收敛速度快的特性，较大地提高了差分进化算法的收敛速度和搜索精度。典型Benchmarks复杂函数优化实验表明，该算法优化效率高、优化性能好、对初值具有较强的鲁棒性，性能优于单一的优化方法。
基于改进拥挤距离的多目标进化算法
多目标进化算法 拥挤距离 变异算子
2009/8/19
针对多目标进化算法的拥挤距离截断算子的分布度保持不足以及在二进制编码情况下较难收敛的缺点，提出一种改进的多目标进化算法，使用改进的拥挤距离截断算子和自适应变异算子，与经典的多目标进化算法进行对比，实验表明，该算法得到的Pareto解集具有良好的收敛性和分布性。
进化数据流中基于密度的聚类算法
数据挖掘 进化数据流 聚类
2009/8/17
分析当前数据流聚类算法的优点及不足，提出一种新的进化数据流中基于密度的聚类算法——Sdstream算法，该算法能够分析并处理大规模进化数据流，利用真实数据集和仿真数据集对其进行性能测试，实验结果表明，该算法具有良好的适用性、有效性和可扩展性，能够取得较高的聚类效果。
面向本体的服务组合差分进化策略
本体 语义Web服务 服务组合
2009/8/17
针对目前Web服务描述服务功能的语义不够深入而使服务识别组合能力欠佳的问题，提出一种面向本体的语义服务功能描述方法，建立本体间的映射关系模型和服务质量关系模型，通过改进差分进化算法求解，得到一种较好的服务组合识别方法。在九寨沟旅游管理信息系统中的应用表明，该方法比传统的方法优越。
一种新的混沌差分进化算法
差分进化 混沌 局部搜索
2009/8/17
提出一种新的混沌差分进化(CDE)算法，在每一代中通过差分进化(DE)算法找到最佳个体，在最佳个体附近用混沌方法进行局部搜索，通过引入调节因子加强其搜索能力。6个基本测试函数的优化结果表明，当误差函数精度为10-14时，与DE相比，CDE的寻优能力更强、收敛速度较快。
背包问题的知识进化算法
背包问题 知识进化算法 进化计算
2009/8/13
知识进化算法是在分析知识进化机制基础上提出的一种新型优化算法。该文根据0-1背包问题的特点，提出用于求该问题的知识进化算法方案，阐明算法的具体实现过程。通过对其他文献中仿真实例的计算和结果比较，表明应用该算法求解背包问题取得了良好的效果。该算法同样可以应用于其他组合优化问题。
基于免疫进化粒子群优化的动态聚类算法
粒子群优化 线性递减权 动态聚类
2009/8/12
针对粒子群优化算法和传统聚类算法易产生“早熟”现象的不足，把人工免疫系统的免疫信息进化处理机制引入到粒子群优化算法，提出一种基于免疫进化粒子群的动态聚类算法。算法采用线性递减权策略为各个粒子选取适当惯性权值，利用免疫进化思想改进粒子群优化过程，同时利用聚类经验规则 确定聚类数k的初始搜索范围，以性能代价函数为依据在聚类数目未知的情况下实现动态聚类。仿真实验表明，新算法有效提高聚类正确率，具有收敛精...
基于协同进化遗传算法的多议题谈判
协同进化遗传算法 小生境 Pareto最优策略
2009/8/12
以协同进化遗传算法模拟自动谈判是目前智能计算和多Agent系统等领域研究的新课题。针对现有文献仅模拟单议题谈判的情况，该文提出基于协同进化遗传算法和适应度共享小生境技术的多议题谈判模拟算法，以轮流出价谈判协议为例进行仿真实验。实验结果表明，该算法能在策略种群中形成局部小生境，生成近似Pareto最优的策略集。