搜索结果: 151-165 共查到“计算机科学技术 搜索”相关记录338条 . 查询时间(0.079 秒)
单纯形法在城轨列车惰行点搜索中的应用
惰行点搜索 运行时间 站间运行
2009/7/23
讨论了单纯形优化算法在城市轨道交通列车惰行点搜索方面的应用，列车运行因受多重因素影响，确定必要的惰行起点在实际情况的约束下并不容易。通过分析列车站内运行惰行点搜索特点、约束条件及寻解空间等，详细介绍了二维空间中单纯形法寻找合适列车惰行点的实现过程。借助于单列车仿真系统的帮助，通过问题的寻优结果分析，研究了这种启发式搜索方法在确定惰行点方面的可行性和性能表现。
单纯形搜索在遗传算法中的融合研究
单纯形交叉算子 K步随机单纯形搜索算子 混合遗传算法
2009/7/23
构造了单纯形混合遗传算法SM-HGA+。分析单纯形搜索算法，提出了单纯形交叉算子和K步随机单纯形搜索算子，并将单纯形搜索算法和这两个算子分别融入到最优微群体μPB（t）、最差微群体μPW（t）和普通群体PC（t），形成SM-HGA+。最优微群体中的单纯搜索算法提高算法的精度；最差微群体中的单纯形交叉算子加速最差个体向优秀个体进化；普通群体中K步随机单纯性搜索提高全局搜索速度，同时在普通群体采用大交...
多目标元素的量子搜索算法
量子算法 Grover算法 相位变换
2009/7/23
Grover量子搜索算法解决了未加整理的数据库搜索问题，在2n个元素中搜索M个目标元素时，计算复杂度为O（√2n/M），相对于经典算法实现了二次加速，但Grover算法在目标元素个数接近2n/2时成功率较低。提出了一种针对多目标元素的量子搜索算法，当目标元素个数大于2n/3时，能以不低于97.36%的概率找到目标元素。
分散搜索算法求解多目标优化问题
分散搜索算法 遗传算法 Pareto最优解
2009/7/22
最近涌现了各种进化方法来解决多目标优化问题，分散搜索也是一种可以解决多目标问题的算法。该算法的结构引用进化算法的杂交和变异算子来增强它的性能，但该算法与其他进化算法的不同在于一系列操作策略不再基于随机性原理，而是运用“分散-收敛集聚”的迭代机制。论文在多目标优化问题区域讨论分散搜索算法，寻找多目标的非支配集或Pareto最优解。实验表明，分散搜索算法具有很好的收敛性和分布性。
改进的RFID二进制搜索防碰撞算法
防碰撞算法 二进制搜索 Manchester编码
2009/7/22
标签冲突是射频识别技术（RFID）不可避免的问题，在ABS算法和动态调整二进制搜索算法的基础上提出了一种改进的二进制搜索算法，该算法简化了阅读器发送的指令和冲突检测过程，并采用动态方式传输EPC数据。仿真结果表明，相比于目前的二进制搜索算法，这种算法能极大地减少阅读器与标签之间的通信量，有效地提高标签的识别速度，具有良好的应用前景。
改进的多目标元素量子搜索算法
量子算法 Grover算法 任意相位
2009/7/22
Grover量子搜索算法解决了未加排序的数据库搜索问题，在2n个元素中搜索M个目标元素，其计算复杂度为O（（2n/M）-2），相对于经典算法实现了二次加速，但是，当目标元素个数接近2n/2时该算法成功率只达到50%。从任意相位的Grover变换从发，给出一种改进的多目标元素量子搜索算法，该算法在目标元素个数M≥2n/4时，只用一次Grover变换就能以概率1完成搜索。
改进的群搜索优化算法
群集智能 进化算法 高维
2009/7/22
群搜索优化（Group Search Optimizer，GSO）算法是一种新的群集智能优化算法，适宜于解决多模态高维问题。对GSO算法进行了一些改进，简化了计算过程，提高了优化性能。主要在两个方面进行改进，一是在迭代过程中，控制允许变异的维的数量，使之从多到少变化，以提高收敛速度。二是用随机数来确定生成个体新位置所用的一组随机值的正负数比例，避免正负数比例趋于固定，增加随机性。经过6个常用测试函...
基于变精度粗集和搜索树的增量规则获取算法
规则获取 搜索树 深度优先启发式搜索算法
2009/7/20
基于可变精度粗糙集模型和搜索树提出了一种新的增量式规则获取算法。该算法引入可变精度粗糙集模型以已获取规则集为启发信息，通过对解空间进行深度优先启发式搜索产生新的不确定性规则；并通过对原有规则置信度的更新，给出了原有规则集的更新算法；最后给出了实例分析。
基于混沌搜索的思维进化算法
思维进化算法 混沌 优化
2009/7/17
针对思维进化算法中的产生初始种群的盲目随机性和冗余性以及现有搜索方式易陷入局部最优的问题，将混沌优化和思维进化算法结合，提出了一种基于混沌搜索的思维进化算法（Chaos Mind Evaluation Algorithm，CMEA）。该算法在进化的不同阶段引入混沌优化操作，利用混沌的遍历性提高算法的收敛速度，克服了早熟现象，同时利用思维进化算法的记忆特性和当代最优解指导混沌搜索，提高算法的搜索能力...
基于混沌搜索的微分进化算法
全局优化 微分进化算法 混沌
2009/7/17
针对基本微分进化算法在后期收敛速度慢，搜索能力差等问题，利用混沌搜索的随机性、遍历性以及对初值的敏感性等特性，提出了一种混合混沌搜索的微分进化算法——混沌微分进化算法。该算法既保持了基本微分进化算法结构简单的特点，又能提高算法的收敛速度、计算精度以及全局寻优能力。数值仿真结果表明，该算法的性能优于基本微分进化算法。
基于混沌搜索的自适应差分进化算法
自适应 混沌搜索 全局优化
2009/7/17
提出一种基于混沌搜索的自适应差分进化算法（CADE），该算法在计算过程中自适应地调整交叉率，在搜索初期保持种群多样性的同时增强算法的全局收敛性。具有较强局部遍历搜索性能的混沌搜索的引入使得算法具有较好的求解精度，增加搜索到全局最优解的概率。对几种典型的测试函数对CADE进行了测试，实验结果表明，该算法能有效地避免早熟收敛，具有良好的全局收敛性。
基于禁忌搜索的动态粒子群算法
粒子群 非线性 惯性权重
2009/7/17
惯性权重线性递减的线性群粒子算法往往不能反映实际的优化搜索过程。动态粒子群算法虽然能较好地实现非线性的搜索，但是更容易陷入局部最优。提出了基于禁忌搜索的动态粒子群算法，引入了禁忌搜索的思想，来解决动态粒子群算法的容易陷入局部最优问题；并对禁忌公式进行了修改，使其不仅可以解决极小值最优问题，也可以解决极大值最优问题。根据实验结果，改进的算法不仅较好地避免了陷入局部最优，而且收敛速度也有提高。
基于局部禁忌搜索策略的连续空间蚁群算法
蚁群算法 连续空间优化 禁忌搜索
2009/7/17
针对蚁群算法容易陷入局部最优解及搜索时间长等不足，引入一种基于连续空间的禁忌搜索算法，并将其与蚁群算法相结合，提出了一种引入禁忌搜索策略的蚁群算法，以求解连续对象优化问题。经测试验证了该算法不仅跳出局部最优解的能力更强，而且能较快地收敛到全局最优解，表明算法的有效性。
基于网格模式搜索的支持向量机模型选择
支持向量机 模型选择 网格模式搜索
2009/7/16
支持向量机的模型选择问题就是对于一个给定的核函数，调节核参数和惩罚因子C。分析了网格搜索算法和模式搜索算法，通过结合上述两种算法的优点提出了网格模式搜索算法。其核心原理是先用网格算法在全局范围内进行快速搜索，找到最优解的最小区间，再在这个最小区间内用模式搜索算法找到最优解。实验证明，网格模式搜索具有学习精度高和速度快的优点。