《新型自適應集成進化算法的研究》是依託東南大學,由秦凱擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:新型自適應集成進化算法的研究
- 項目類別:青年科學基金項目
- 項目負責人:秦凱
- 依託單位:東南大學
《新型自適應集成進化算法的研究》是依託東南大學,由秦凱擔任項目負責人的青年科學基金項目。
《新型自適應集成進化算法的研究》是依託東南大學,由秦凱擔任項目負責人的青年科學基金項目。中文摘要通過對自適應差分進化算法的缺陷分析與解決,提出一個對解決複雜最佳化問題更為有效的新的算法框架,並基於此框架構建一種能夠同時自適...
本項目針對複雜動態環境最佳化問題,圍繞融合學習與自適應進化兩個關鍵科學問題,系統深入研究自適應學習最佳化模型與算法。(1)運用聚類方法自適應劃分子群,提出了一種用於多峰最佳化的群體聚類學習進化框架CLEAs;針對噪聲環境,引入學習自動機自...
目前研究的進化算法主要有三種典型的算法:遺傳算法、進化規劃和進化策略。這三種算法是彼此獨立發展起來的,遺傳算法由美國J.Holand創建,後由K.De Jong,J.Grefenstette,D.Goldberg和L.navis等人進行了改進;進化規劃最早由美國的L·J·...
《元演變自適應進化計算研究》是依託杭州師範大學,由盛偉國擔任項目負責人的面上項目。項目摘要 融合局部搜尋及群體多樣性保持機制的現代進化算法是解決NP-困難問題的重要方法。給定一個問題,如何在算法運行過程中自適應使用其核心部件(...
《基於雲計算的自適應分散式差分進化算法研究》是依託華南理工大學,由詹志輝擔任項目負責人的青年科學基金項目。項目摘要 針對傳統集中式差分進化算法在求解大規模複雜最佳化問題時存在的全局搜尋能力不足和求解速度過慢的問題,本項目提出採用多...
《面向進化多目標最佳化的局部自適應學習模型與算法研究》是依託西安電子科技大學,由公茂果擔任項目負責人的面上項目。中文摘要 本課題針對進化多目標最佳化中全局搜尋與局部搜尋的平衡、算法參數的自適應調整、先驗知識與過程知識的有效利用等...
《不確定生產環境下基於進化的製造系統自適應調度研究》是汪浩祥為項目負責人,南京農業大學為依託單位的青年科學基金項目。項目摘要 不確定生產環境下,傳統的製造系統自適應最佳化模型和算法不能很好地滿足製造系統多變性和全局性最佳化等問題的...
《新型動態自適應粒子群最佳化算法的研究》是依託鄭州大學,由梁靜擔任項目負責人的青年科學基金項目。項目摘要 對粒子群最佳化算法(Particle Swarm Optimization)的搜尋性能進行研究,將單目標最佳化中表現優越的動態自適應小型拓撲結構引入多目標...
本課題針對現代通信等領域中非線性、非平穩及非高斯等信號處理的需求,系統地研究多核濾波器的新型動態拓撲結構及高效穩定的自適應算法,取得了階段性的研究成果,在IEEE Trans. Signal Processing、IEEE Trans. Circuits and Systems、IEEE...
進化最佳化算法以其在全局最最佳化方面的特點,一直是最佳化算法設計的研究熱點。然而大規模最佳化套用中的計算時間和效率問題是制約算法套用發展的重要瓶頸,本課題結合雲計算模型與差分進化算法兩者的優勢,提出一種新型的基於雲計算模型的自組織差分...
此外,從理論上分析異質性對進化算法集成性能的影響,將異質進化算法集成用於求解電力系統中廣泛存在的最佳化問題,也是本項目待研究的主要內容。本研究具有重要的科學意義,其成果將拓展進化計算的研究領域,促進進化計算研究的發展。同時,由於...
2、提出了多種多目標最佳化算法,包括基於超體積的差分進化算法、改進的蝙蝠算法、基於分解思想的自適應排序進化算法等並進行了套用研究;然後基於多種不同的多目標進化算法對我國金融產業結構最佳化研究進行了探索,並給出部分最優解,研究結果...
重點研究粒子群、細菌覓食、人工魚群等新型群體智慧型最佳化算法,一方面將優秀的社會性動物系統特性套用於最佳化算法中,突破傳統的算法模型的束縛,設計出新的更智慧型化的算法模型;一方面基於貝葉斯機率理論研究新型群智慧型算法統一的集成結構及條件...
此外,受“求同存異”思想的啟發,探索了一種新型的求同群智慧型最佳化算法。在此基礎上,研究多目標Pareto最優前沿的譜性質和特徵,抽取Pareto前沿的潛在結構,提出基於稀疏特徵選擇目標降維的大規模多目標進化算法。分析了目標數固定遞減、...
此外,Store和Price在差分進化算法上沒有申請任何形式的專利,這也為推動差分進化算法的研究和套用起到了重要的作用。基本原理 DE算法通過採用浮點矢量進行編碼生成種群個體。在DE算法尋優的過程中,首先,從父代個體間選擇兩個個體進行向量...