共查询到20条相似文献,搜索用时 16 毫秒
1.
2.
3.
针对人工蜂群算法存在收敛速度慢,容易陷入局部最优的缺点,本文从种群初始化,引入自适应系数和位置更新等三个方面进行改进:(1)种群初始化,通过采用最小距离初始化人工蜂群,提高种群多样性;(2)自适应系数,通过加入随机干扰,在一定程度上可以避免算法陷入局部最优;(3)位置更新,提出了一种基于全局引导的位置更新想法,保证种群中的每一个个体既能获得自己的历史最优位置,还可以同时获得整个种群中的当前最优位置,提高了算法的收敛速度。采用4个经典测试函数结果说明本文算法相比基本人工蜂群算法提高了算法的整体性能,降低了算法运行时间,提高了效率。 相似文献
4.
5.
在基本蚁群算法的基础上引入分段函数及柔性伸缩机制,对蚁群算法中转移概率的调节因子的取值以及信息素全局刷新方式加以改进,提高了蚁群算法搜索全局最优解的能力以及收敛到最优解的速度。将改进后的算法应用于配电网规划问题,通过具体的算例验证表明,在相同的情况下,新方法比基本蚁群算法在搜索全局最优解和收敛速度方面有所提高,说明了新方法的可行性与有效性。 相似文献
6.
7.
8.
9.
10.
本文针对粒子群算法具有不易陷入局部极小、收敛速度快等特点,提出了一种基于粒子群的小波神经网络学习算法,优化了小波神经网络中的各个参数,并将应用于函数仿真试验。试验表明,该算法能减少迭代次数、提高收敛精度,是小波网络的有效训练算法。 相似文献
11.
蛙跳算法是一种启发式的智能算法,在优化问题中具有广泛的应用,针对该算法求解精度低,收敛速度慢,容易陷入局部的缺点,从4个方面提出了改进:(1)引入Tent混沌来改进蛙跳的种群初始化;(2)通过最大化搜索策略提高局部搜索;(3)最差个体中引入柯西因子进行优化;(4)采用模式搜索来优化最优个体.通过5个测试函数说明本文的算法能够有效的提高算法的性能. 相似文献
12.
13.
由于BP神经网络有收敛速度慢,容易陷入局部最小的缺陷,因此文章提出了一种改进的粒子群算法来优化BP神经网络的权值与阈值。使得预测模型能够在搜索最优解的过程中能够平衡算法的局部搜索和全局搜索,提高搜索的精度。对初步确定的输入指标和输出指标采用线性回归的方法,来筛选与输出指标具有强相关性的输入指标。通过MATLAB软件进行预测,比较标准的PSO-BP与改进PSO-BP模型,预测结果较好,说明改进的PSO-BP模型是有效的。 相似文献
14.
15.
研究人工鱼群算法优化问题,为了改进AFSA在非全局极值点出现较严重聚集情况时,收敛速度降低,甚至陷入局部极值,搜索性能劣化的问题,采用细胞膜优化算法物质的转运方式,对人工鱼群算法的寻优行为进行改进,从而一定程度上避免算法陷入局部最优,提出了一种基于细胞膜优化的人工鱼群算法.通过4个典型函数仿真和应用实例仿真结果表明,该算法是可行有效的,求解精度更高,算法更稳定. 相似文献
16.
17.
常规粒子群算法(SPSO)在优化过程中易陷入局部最优,本文分析了常规粒子群算法陷入局部最优的原因,提出采用一种自适应粒子群算法(APSO)避免陷入局部最优,改善算法的收敛性和精度。最后用自适应粒子群算法设计宽带阶梯阻抗变换器,结果表明,与常规粒子群算法相比,自适应粒子群算法全局速度快、成功率和精度也有显著提高。 相似文献
18.
19.