版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、與一般的優(yōu)化問題相比,動態(tài)優(yōu)化問題的特點是問題的狀態(tài)(目標函數(shù)、約束條件)隨時間變化。為了能夠快速地捕捉到環(huán)境的變化,算法需要持續(xù)地定位和追蹤最優(yōu)解的移動。演化算法因其具有群體搜索的特點,適合求解一些復雜的問題,比如動態(tài)優(yōu)化問題。
基于族群的方法是一種有效的演化計算技術,已成為動態(tài)優(yōu)化研究領域的熱點之一。基于族群方法的基本思想是,將種群劃分為若干個族群,不同族群在搜索空間的不同區(qū)域同時搜索。由于該方法允許種群同時定位多個最優(yōu)解
2、,因此更容易實現(xiàn)對全局最優(yōu)解的追蹤。
本文主要研究使用基于族群的方法求解動態(tài)優(yōu)化問題,研究內(nèi)容主要包括如下兩個方面。
(1)提出了一個基于族群與記憶集的混合粒子群優(yōu)化算法。該算法的特點是:用于更新種群的記憶個體的數(shù)量與族群數(shù)量相關并且隨族群數(shù)量自適應地變化;限制每個族群被替換的個體數(shù)量不超過1;對提取的記憶個體分類處理,目的是在改善已有族群搜索能力的同時加強種群對潛在最優(yōu)區(qū)域的搜索。在MPB、CMPB、DRPBG基準
3、問題上對該算法測試并與其它算法進行比較,實驗結果表明該算法是一個有競爭力的動態(tài)優(yōu)化算法。此外,實驗部分還討論了記憶集的大小對結果的影響。
(2)提出了一個應用于動態(tài)優(yōu)化的族群劃分方法psfNBC。與基本的Nearest-BetterClustering(NBC)算法相比,該算法的特點是:識別族群種子的過程只涉及部分個體而不是整個種群;種群按照最近種子的原則重新劃分;縮放因子φ使用隨機值而不是固定值。在識別族群種子時,本文提出了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 動態(tài)優(yōu)化問題的進化求解策略.pdf
- 用最優(yōu)化方法求解大型矩陣特征值問題.pdf
- 基于VLSN的智能ILS優(yōu)化方法求解VRP問題研究.pdf
- 用智能優(yōu)化算法求解固定費用運輸問題.pdf
- 求解動態(tài)優(yōu)化問題的Memetic算法研究及應用.pdf
- 幾類基于增廣拉格朗日函數(shù)的求解約束優(yōu)化問題的方法.pdf
- 求解大規(guī)模優(yōu)化問題的幾種方法.pdf
- 基于多族群PSO算法的森林空間動態(tài)多目標優(yōu)化研究.pdf
- 求解優(yōu)化問題的兩種方法的研究.pdf
- 基于動態(tài)優(yōu)化的動態(tài)調(diào)度問題研究.pdf
- 11039.基于進化機制的多目標優(yōu)化問題求解方法研究
- 動態(tài)問題的商空間求解方法及其應用研究.pdf
- 求解動態(tài)優(yōu)化問題的遺傳算法的研究與實現(xiàn).pdf
- 微分代數(shù)方程動態(tài)優(yōu)化問題的快速求解策略研究.pdf
- 求解非線性優(yōu)化問題的非線性Lagrange方法.pdf
- 優(yōu)化中幾個問題求解方法的新探討.pdf
- 求解多學科設計優(yōu)化問題的雙層分解方法.pdf
- 改進PSO求解動態(tài)優(yōu)化研究.pdf
- 基于DE和EDA混合算法的組合優(yōu)化問題求解方法研究.pdf
- 填充問題的最優(yōu)化原理及其求解方法研究.pdf
評論
0/150
提交評論