【摘 要】
：
针对回溯搜索优化算法收敛速度慢和易早熟的缺点,提出了一种改进算法。首先,利用麦克斯韦分布产生变异尺度系数,并在此基础上提出了一种新的变异算子。新变异算子有效地加快了收敛速度。同时,在变异策略中添加了一种选择机制以增加全局搜索能力,避免出现早熟收敛。通过与差分进化的变异策略对比和经典测试函数的测试,实验结果表明改进算法不仅具有较快的收敛速度,而且具有良好的全局搜索能力。
【基金项目】
：
国家自然科学基金资助项目(11301408)
论文部分内容阅读
针对回溯搜索优化算法收敛速度慢和易早熟的缺点,提出了一种改进算法。首先,利用麦克斯韦分布产生变异尺度系数,并在此基础上提出了一种新的变异算子。新变异算子有效地加快了收敛速度。同时,在变异策略中添加了一种选择机制以增加全局搜索能力,避免出现早熟收敛。通过与差分进化的变异策略对比和经典测试函数的测试,实验结果表明改进算法不仅具有较快的收敛速度,而且具有良好的全局搜索能力。
其他文献
现有的多核学习算法大多假设训练样本分类完全正确,将其应用到受扰分类样本上时,由于分类存在差错,因此往往只能实现次优性能。为了解决这一问题,首先将受扰分类多核学习问题建模为随机规划问题,并得到一种极小极大表达式;然后提出基于复合梯度映射的一阶学习算法对问题进行求解。理论分析表明,该算法的收敛速度为O(1/T),大大快于传统算法的收敛速度O(1槡/T)。最后,基于五个UCI数据集的实验结果也验证了本文
通过引入熵的概念,提出了基于不重叠路径数的标准稳定熵指标,用于刻画节点间抗毁性随不重叠路径数变化的规律。在此基础上给出了用于全网抗毁性评估的模型。同时指出了评价模型中涉及的节点间不重叠路径数的计算方法。最后通过算例分析以及与最短路径法相比较,论证了基于不重叠路径熵的模型在网络抗毁性评估方面具有更高的准确性与合理性。
为提高传统协商自学习能力,利用多agent智能技术,建立基于黑板模型的协商框架,构建五元组协商模型,采取Q-强化学习算法,给出一种协商策略;使用RBF神经网络进一步优化协商策略,预测对手信息并调整让步幅度。通过算例验证该方法的可行性和有效性,通过与未改进的Q-强化学习算法对比,该方法可增强协商agent的自学习能力,缩短协商时间,提高冲突消解效率。
在EEG信号识别中,传统的模糊系统建模方法均假设模型的训练数据集和测试集服从相同的分布,但在实际应用中,该假设受到了严峻的挑战。针对上述挑战,探讨了适宜于数据分布迁移环境的直推式0阶模糊系统构建方法,构造了基于二分类模型的直推式0阶模糊系统目标函数来训练系统参数。提出的直推式迁移0阶TSK型模糊系统(TL-0-TSK-FS)算法在癫痫EEG信号的自适应识别的研究结果表明,该方法较之相关方法显示出了
针对不同曲面上QR码变形多样化、识别率低的问题,考虑到极限学习机（ELM）对大量数据的快速分类能力,提出了一种基于ELM的多结构变形QR码分类校正算法。在欧氏距离量化变形特征后
针对物流云服务模式中调度任务多、信息量大、需求广的特点,提出了一种改进蝙蝠算法求解物流云服务调度问题的方案,其优化目标为最小化调度时间和最大化资源利用率。根据设计的算法流程,首先基于工件升序排列(ranked order value,ROV)规则对蝙蝠个体进行重新编码;然后调整初始化数据范围来减少分配任务超载和资源闲置现象,并在迭代过程中增加约束条件来均衡任务量,最终实现了资源与任务的智能调度。通
针对初始传播源之间的距离对于传播效果的影响问题,在两个真实的在线社会网络上实证研究了固定感染概率下,两个初始传播源同时传播时传播源距离对于传播效果的影响。通过实证分析,发现对于传播能力较弱的节点对,会存在一个最优传播距离,初始传播源间的距离小于最优距离时,距离越大传播效果越好,反之越差;对于传播能力较强的节点对,传播源之间的距离越大,传播效果越好。研究结果有助于增强对传播的理解,找到更好的传播策略
【正】 身为残疾人,不仅意味着在生活、学习、工作上会有许多正常人意想不到的困难,还意味着无法与正常人在平等条件下竞争。然而,不少残疾人身残志不残,他们向生活挑战、与
【正】 第一章 总则 第一条 为促进股份合作制的发展,结合本市具体情况,制定本办法。 第二条 本市行政区域内各种行业、各种组织形式的企业实行股份合作制,均适用本办法。 第
为了使铁路快捷货物运输更加适应物流化的需求,研究轴幅式网络下铁路物流基地站间快捷货运班列服务网络设计问题。以固定成本、变动成本和惩罚成本最小为目标,构建单目标混合