共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
针对免疫克隆算法中存在的算法精度低,全局收敛速度快问题,本文提出了一种改进的免疫克隆算法,通过基本免疫算法中的疫苗策略和局部搜索中采用的高斯变异,使得算法的精度提高,降低了全局收敛速度,提高了局部最优解的范围,通过3个测试函数说明本文算法相比基本免疫克隆算法提高了算法的性能,提高了算法精度。 相似文献
3.
蚁群算法是一种求解复杂组合优化问题的启发式算法,但收敛速度慢且搜索时盲目性大。在协作学习模式中为了进行合理分组和提升学生的协作学习能力,提出了一种在外加信息素的干扰下改进型的蚁群算法,并实现两者的有效融合。实验结果表明,蚁群优化在学生的协作学习中表现出较强的优越性,能较好地求解非线问题,并能达到全局最优的解。 相似文献
4.
5.
6.
7.
8.
针对基本蚁群算法存在收敛速度慢,易陷于局部最优解等缺点,提出了一种求解旅行商(TSP)问题的改进的自适应蚁群算法。 相似文献
9.
针对传统的蚁群算法在海量案例检索应用中,由于冗余案例数据的干扰,算法易陷入局部最优解而不能对解空间进行全面搜索的缺陷,将具有快速良好的全局搜索能力的遗传算法加入到蚁群系统的每一次迭代过程中,提出了一种融合遗传算法和蚁群算法的案例检索算法,对案例进行聚类处理,建立案例映射模型,克服了蚁群算法的缺陷.实验结果表明,利用本文提出的遗传蚁群算法进行案例检索,能够有效地提高案例检索的效率,取得了令人满意的效果. 相似文献
10.
11.
蚁群算法在高校物品配送路径优化中的应用 总被引:1,自引:0,他引:1
在分析高校物流特点的基础上,对高校物流路径优化问题做出合理假设并构造目标函数,鉴于蚁群算法具有良好的正反馈性和并行性,运用该算法求出近似最优解。此算法能快速收敛于全局最优解,可有效地解决带有时间窗约束下的高校物流配送路径优化问题。 相似文献
12.
根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。 相似文献
13.
14.
人工免疫算法(AIA)是借鉴人体免疫机制提出的一种智能算法,它具有快速随机的全局搜索能力,但不能有效利用系统的正反馈信息,往往会做大量的冗余迭代,降低了求解效率;而蚁群算法具有分布式并行全局搜索能力,但由于初期信息素匮乏,求解速度低。基于这两种智能算法的优劣势,提出的AIAC算法充分利用了AIA的快速性和全局收敛性产生初始解,再利用蚁群算法提高求解效率,在Matlab上取得了较好的仿真效果。 相似文献
15.
16.
17.
18.
19.
基于遗传算法的聚类算法是一种全局优化算法,但是其局部搜索能力较差,而梯度下降法却具有较强的局部搜索能力,本文在通过遗传算法搜索得到近似全局最优解的基础上,采用梯庹下降法进一步搜索全局最优解,得到两者相结合的新算法. 相似文献
20.
《科技通报》2016,(6)
基于智能仿生计算的蚁群优化算法在路径规划问题中具有较好的应用前景,通过蚁群算法优化,实现机器人路径规划和应急救援的路径规划等。传统的基于蚁群算法的路径规划在信息素转换中容易导致信息丢失,产生局部收敛,提出一种基于信息素多目标Pareto支配的蚁群优化算法实现路径规划,利用信息素多目标Pareto集合序列的均匀遍历特性和逻辑差分变尺度特征,进行变尺度搜索,根据蚁群优化算法一次次地更新搜索空间,结合负反馈机制,通过蚂蚁的信息素转化进行路径分析,采用Pareto支配集记录下最优的食物源,蚁群在寻找食物过程中,避免了局部寻优和局部收敛,仿真结果表明,采用该算法进行蚁群优化后的路径规划避障效果较好,以较快的收敛速度和较少的迭代次数找到最优路径,收敛性好。 相似文献