電子發(fā)燒友App
進化算法包括遺傳算法、進化程序設計、進化規(guī)劃和進化策略等等，進化算法的基本框架還是簡單遺傳算法所描述的框架，但在進化的方式上有較大的差異，選擇、交叉、變異、種群控制等有很多變化，進化算法的大致框圖可描述如右圖所示：
同遺傳算法一樣，進化算法的收斂性也有一些結果，在文獻[9]中證明了在保存最優(yōu)個體時通用的進化計算是收斂的。但進化算法的很多結果是從遺傳算法推過去的。
遺傳算法對交叉操作要看重一些，認為變異操作是算法的輔助操作；而進化規(guī)劃和進化策略認為在一般意義上說交叉并不優(yōu)于變異，甚至可以不要交叉操作。
什么是進化算法
- 進化算法(7389)
相關推薦
人工智能的算法有哪些？
人工智能的算法有哪些？ 隨著人工智能技術的快速發(fā)展，在不斷地挖掘和研究中，在人工智能算法中也出現(xiàn)了越來越多的類型。目前，人工智能算法主要包括：機器學習算法、深度學習算法、進化算法、神經(jīng)網(wǎng)絡算法等
2023-08-09 17:49:13
529
529粒子群算法的MATLAB實現(xiàn)（2）
粒子群算法經(jīng)常與其他算法混合使用?；旌喜呗跃褪菍⑵渌?b style="color: red">進化算法、傳統(tǒng)優(yōu)化算法或其他技術應用到PSO中，用于提高粒子多樣性、增強粒子的全局探索能力，或者提高局部開發(fā)能力、增強收斂速度與精度。
2023-07-21 15:27:56319
319
粒子群算法的MATLAB實現(xiàn)（1）
粒子群算法（Particle Swarm Optimization，PSO）屬于進化算法的一種，和模擬退火算法相似，它也是從隨機解出發(fā)，通過迭代尋找最優(yōu)解。
2023-07-21 15:25:00469
469
基于進化卷積神經(jīng)網(wǎng)絡的屏蔽效能參數(shù)預測
進化神經(jīng)網(wǎng)絡是進化算法和深度學習兩者相結合的產(chǎn)物，在算法中神經(jīng)網(wǎng)絡的權值和閾值在初始種群個體染色體中，再用進化算法優(yōu)化權值和閾值，同時具有深度神經(jīng)網(wǎng)絡的自動構建和學習訓練模型的優(yōu)勢。
2023-04-07 16:21:35120
120
0053《進化算法》冶金工業(yè)出版社-2000.pdf
=viewthread&tid=287358&fromuid=286650053《進化算法》冶金工業(yè)出版社-2000.pdf(3M)希望大家多頂頂，提升提升人氣。
2013-01-03 09:50:04
使用差分進化的PWM混合電源轉換器【含Matlab源碼】
這是在《數(shù)學》雜志上發(fā)表的使用差分進化算法的混合功率轉換器PWM策略的代碼在過去的幾年中，由于直流到直流轉換器在可再生能源系統(tǒng)中的應用，人們對它的興趣增加了。因此，研究團體正在努力提高其效率，以最低
2022-01-06 13:04:41
2
2異構有向傳感器網(wǎng)絡的改進差分進化算法
為提高異構有向傳感器網(wǎng)絡的節(jié)點調(diào)度效率，基于學習自動機提出一種參數(shù)自適應的差分進化算法。將節(jié)點調(diào)度問題轉化為集合覆蓋問題，利用學習自動機與環(huán)境的交互實現(xiàn)差分算法控制參數(shù)的自適應選擇，同時采用自適應
2021-06-08 14:44:4913
13蛋白質(zhì)能量模型的多模態(tài)優(yōu)化算法綜述
蛋白質(zhì)能量模型的不精確性導致數(shù)學上的最優(yōu)解并不一定對應其穩(wěn)定的夭然態(tài)結構，冋時其巨大的構象空間使得現(xiàn)有方法也極易收斂到局部最優(yōu)解。針對蛋白質(zhì)結構能量模型不精確和高維構象空間采樣可靠性低的問題，在進化
2021-05-18 15:33:141
1基于差分進化算法的CNN推斷任務卸載策略
卸載到云上執(zhí)行，難以適應時延敏感的移動應用程序。為解決上述問題，提出了一種基于改進差分進化算法的CNN推斷任務卸載策略，它采用端云協(xié)作模式將計算任務部署在云和邊緣設備之間。該策略研究了成本約束下最小化時廷的任務卸載方案，將CNN推斷過程轉化為任務圖并將其構建為
2021-05-10 14:06:362
2基于NSGA2算法的ZDT1函數(shù)相關測試案例下載
NSGA2算法是一種簡單、高效且被廣泛使用的多目標進化算法，本算法實例對ZDT1函數(shù)進行測試，能夠高效的的得到pareto解集。
2021-04-30 09:26:160
0求解動態(tài)優(yōu)化問題的鄰域搜索差分進化算法
針對原始動態(tài)自適應差分進化（SADE）算法局部搜索能力弱和尋優(yōu)精度低的問題，提出一種求解動態(tài)優(yōu)化問題的鄰域搜索差分進化（NSDE）算法。通過引入鄰域搜索機制，在劃分種群最優(yōu)個體的鄰域空間范圍內(nèi)產(chǎn)生
2021-04-27 11:32:343
3以進化算法為搜索策略實現(xiàn)神經(jīng)架構搜索的方法
自動化深度學習是目前深度學習領域的研究熱點，神經(jīng)架構搜索算法是實現(xiàn)自動化深度學習的主要方法之一，該類算法可以通過對搜索空間、搜索策略或優(yōu)化策略進行不同定義來自動設計神經(jīng)網(wǎng)絡結構。闡述進化算法和進化
2021-03-22 14:37:0614
14一種改進的花朵授粉算法的WEB服務組合優(yōu)化
全局搜索和局部搜索的動態(tài)轉換，促進種群優(yōu)化。將差分進化算法的變異和交換操作加入到花朵授粉算法中，增強花朵的有效性和多樣性，同時利用貪心策略選擇適應度值髙的花朵，加快算法收斂速度，増增強其尋優(yōu)能力。實驗結果表明，與D
2021-03-16 10:58:067
7基于長短時記憶網(wǎng)絡的自適應零速檢測算法
軸角速度和時序特征，通過優(yōu)化零速檢測算法實現(xiàn)多運動模式下的自適應零速檢測，在此基礎上采用差分進化算法融合藍牙等定位方式對累積誤差進行數(shù)據(jù)修正。實驗結果表明，與傳統(tǒng)卡爾曼濾波算法相比，本文算法定位絕對誤差由
2021-03-16 09:25:088
8改進版離散差分進化算法及其方案
為提高離散桁架優(yōu)化問題的計算效率，提出一種改進的離散差分進化算法。基于種群多樣性自適應地選擇變異策略以平衡探索和收斂能力，根據(jù)個體差異度和種群多樣性縮減種群規(guī)模以減少計算量，在進行結構分析前舍棄較大
2021-03-11 17:29:1618
18華為基于iEVO算法實現(xiàn)多節(jié)點探針AI檢測模型持續(xù)的優(yōu)化測試
-?通過iEVO檢測模型自進化算法，將獨立的AI檢測模型進行聚合調(diào)優(yōu)、更新和分發(fā)，構建自進化AI檢測引擎。分布式AI檢測引擎將系統(tǒng)感知能力前移，基于iEVO算法實現(xiàn)多節(jié)點探針AI檢測模型的持續(xù)優(yōu)化，提升整網(wǎng)的威脅檢出率。
2020-09-18 11:01:521908
1908灰狼優(yōu)化器的介紹和灰狼優(yōu)化算法代碼免費下載
、貝塔、三角洲和歐米茄，被用來模擬領導階層。此外，還實現(xiàn)了捕獵、尋找獵物、包圍獵物和攻擊獵物三個主要步驟。將該算法與粒子群優(yōu)化算法（PSO）、引力搜索算法（GSA）、差分進化算法（DE）、進化規(guī)劃算法（EP）和進化策略（ES）進行了比較研究，結果表明，該算法具
2019-10-22 08:00:005
5神經(jīng)網(wǎng)絡進化能否改變機器學習
神經(jīng)進化將進化算法和人工神經(jīng)網(wǎng)絡結合起來，能像類似于地球上大腦進化的方式來訓練系統(tǒng)。
2019-07-11 16:16:14647
647Nature新子刊《自然-機器智能》悄然上線
此外，第一期的《自然-機器智能》的內(nèi)容覆蓋上述三大主題，文章包括開發(fā)用于自適應人機協(xié)作的算法、將深度學習與進化算法相結合的方法、深度學習在醫(yī)學領域進行不確定性量化的必要性、人工智能中倫理問題的不同時間尺度等。
2019-01-10 09:54:224784
4784如何使用多變異策略進行自適應差分進化算法的詳細資料說明
為了克服差分進化算法尋優(yōu)精度低、收斂速度慢、穩(wěn)定性差等不足，提出一種基于多變異策略的自適應差分進化算法（ ADE-MM）。首先，在3個變異策略的選擇過程中添加2個具有學習功能的擾動閾值，以提高種群
2018-12-14 10:54:000
0關系模型的進化算法收斂性對比的詳細資料說明
研究建立了一種等態(tài)等價關系與強／弱態(tài)偏序關系模型，用于分析進化算法在收斂性上的等價性與可比性．基于吸收態(tài)Markov（馬爾可夫）性，滿足等態(tài)關系的進化算法具有等價的收斂性，從而在收斂性意義上實現(xiàn)了
2018-12-03 14:15:046
6面向機器學習的神經(jīng)網(wǎng)絡突變算法
與最先進的人工設計架構、基于強化學習的架構搜索方法、以及基于進化算法的其他自動化方法的結果相比，結構突變算法在分類錯誤上稍高出前幾種方法，但耗時要少得多，比其他方法快了50000倍，錯誤率最多僅比基準數(shù)據(jù)集CIFAR-10上的最有力競爭對手高出0.6％。
2018-09-08 09:07:302542
2542一探究竟視覺學習、圖形攝影、人類感知、立體三維以及識別等各個領域
同時來自約翰霍普金斯大學、斯坦福大學和谷歌聯(lián)合研究的漸進式神經(jīng)架構搜索，用于學習神經(jīng)網(wǎng)絡的結構。通過基于序列模型的優(yōu)化策略實現(xiàn)了高于強化學習和進化算法近五倍的效率和8倍的總體計算提升。并在CIFAR-10和ImageNet上取得了很高的精度。
2018-09-04 08:58:273712
3712你知道機器深度學習 那你知道全新的進化算法嗎
基于目前人類在神經(jīng)網(wǎng)絡算法和機器深度學習取得的成就，很容易讓人產(chǎn)生計算機科學只包含這兩部分的錯覺。一種全新的算法甚至比深度學習和神經(jīng)網(wǎng)絡有更明顯的優(yōu)勢：這種算法是基于創(chuàng)造人類大腦的方式——進化來進行的。
2018-08-06 08:27:112840
2840
漸進式神經(jīng)網(wǎng)絡結構搜索技術
我們提出一種學習卷積神經(jīng)網(wǎng)絡（CNN）結構的新方法，該方法比現(xiàn)有的基于強化學習和進化算法的技術更有效。使用了基于序列模型的優(yōu)化(SMBO)策略，在這種策略中，按照增加的復雜性對結構進行搜索，同時學習代理模型（surrogate model）來引導在結構空間中的搜索。
2018-08-03 09:32:325085
5085自然計算、 機器學習與圖像理解前沿
進化計算的主要分支 9 1.3.2 進化計算的數(shù)學基礎 12 1.3.3 進化算法的收斂理論 13 1.3.4 進化計算的應用 18 1.4 協(xié)同進化計算 19 1.4.1 協(xié)同進化的生物學基礎 20
2018-06-27 18:57:01177
177關于基于TMS320C6678的粒子群算法并行的設計
粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法[1]是由KENNEDY J和EBERHART R C等開發(fā)的一種新的進化算法。相對于遺傳算法[2]等，該算法參數(shù)較少
2018-06-22 14:53:004788
4788
基于反向?qū)W習的自適應差分進化算法
為解決差分進化（ DE）算法過早收斂與搜索能力低的問題，討論對控制參數(shù)的動態(tài)調(diào)整，提出一種基于反向?qū)W習的自適應差分進化算法。該算法通過反向精英學習機制來增強種群的局部搜索能力，獲取精確度更高的最優(yōu)
2018-03-29 17:44:351
1基于微分控制策略的快速粒子群優(yōu)化算法
粒子群優(yōu)化（ Particle Swarm Optimization，PSO）算法是一種基于種群全局隨機搜索策略的智能進化算法。相比于其他智能算法，粒子群優(yōu)化算法在解決多目標優(yōu)化、動態(tài)尋優(yōu)等問題上
2018-03-29 10:56:100
0用進化算法發(fā)現(xiàn)神經(jīng)網(wǎng)絡架構
綜上所述，盡管我們通過簡單的初始架構和直觀的突變來最小化處理研究人員的參與，但大量專家知識進入了構建這些架構的構建塊之中。其中一些包括重要的發(fā)明，如卷積、ReLUs和批處理的歸一化層。我們正在發(fā)展一個由這些組件構成的體系結構。 “體系結構”這個術語并不是偶然的：這與構建高質(zhì)量的磚房相似。
2018-03-20 16:01:564890
4890自學習差異進化算法
為解決動態(tài)環(huán)境下的多中心優(yōu)化問題，提出自學習差異進化算法。通過評估特定個體檢測到環(huán)境變化，自學習算子將群體引至新的環(huán)境，并保持群體的拓撲結構不變，以繼續(xù)當前的進化趨勢。采用鄰域搜索機制加快算法的收斂
2018-03-13 16:46:030
0智能配電網(wǎng)孤島劃分策略
開關進行網(wǎng)絡連通性分析，進行初始孤島劃分。然后，對每個初始孤島，建立切負荷一網(wǎng)絡重構雙層優(yōu)化模型，并采用微分進化算法和混合粒子群算法求解，以降低搜索空間維數(shù)。具體地，在切負荷優(yōu)化模型中，在允許頻偏范圍內(nèi)充分
2018-03-01 14:49:390
0解析圖像分類器結構搜索的正則化異步進化方法 并和強化學習方法進行對比
在本篇論文中，研究人員使用流行的異步進化算法（asynchronous evolutionary algorithm）的正則化版本，并將其與非正則化的形式以及強化學習方法進行比較。
2018-02-09 14:47:413282
3282
蟻群算法基本原理及其應用實例
蟻群算法是一種仿生學算法，其靈感來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。蟻群算法是一種模擬進化算法，初步的研究表明該算法具有許多優(yōu)良的性質(zhì)。針對PID控制器參數(shù)優(yōu)化設計問題，將蟻群算法設計的結果
2018-02-02 09:44:1589998
89998
二次路徑規(guī)劃QACO算法
蟻群優(yōu)化（ Ant Colony Optimization，ACO）算法是一種新穎的啟發(fā)式進化算法，其算法基本思想受到了蟻群覓食過程的啟發(fā)。生物學家經(jīng)過大量的觀察研究發(fā)現(xiàn)，螞蟻個體在運
2018-01-22 10:31:440
0基于改進GEP的局部云任務調(diào)度算法
針對云計算中一些現(xiàn)有的基于批量調(diào)度模式和進化算法的動態(tài)云任務調(diào)度算法計算量較大，計算時間成本較高的現(xiàn)象，提出了一種基于改進基因表達式編程（GEP）和資源改變量的局部云任務調(diào)度算法．首先結合云任務調(diào)度
2018-01-18 13:50:440
0基于雙變異策略的骨架差分算法
骨架差分進化算法能夠較好規(guī)避差分進化算法控制參數(shù)和變異策略選擇問題。針對基于雙變異策略的經(jīng)典骨架差分算法（ MGBDE）沒有根據(jù)個體進化差異選擇適合的變異策略和考慮早熟收斂的問題，提出一種改進算法
2018-01-16 16:08:280
0流水車間調(diào)度量子差分進化算法
針對阻塞流水車間調(diào)度問題（ BFSP），提出了一種新穎的量子差分進化（NQDE）算法，用于最小化最大完工時間。該算法將量子進化算法（QEA）與差分進化（DE）相結合，設計一種新穎的量子旋轉機制控制
2018-01-14 16:17:050
0基于改進多目標螢火蟲優(yōu)化算法的模糊聚類方法
獲得更加均勻分布的非劣解，其中以動態(tài)減小的概率選擇個體并采用類似于差分進化算法中變異算子的策略對其進行變異，通過自適應調(diào)整收縮因子以提高變異效率。然后當歸檔集中的最優(yōu)解集充滿時，從中選取一定量的解與當前種群
2018-01-14 11:08:371
1DENSER是一種用進化算法自動設計人工神經(jīng)網(wǎng)絡（ANNs）的新方法
深度進化網(wǎng)絡結構表示（DENSER）是一種用進化算法自動設計人工神經(jīng)網(wǎng)絡（ANNs）的新方法。該算法不僅能搜索最佳網(wǎng)絡拓撲結構，還能調(diào)整超參數(shù)（比如學習或數(shù)據(jù)增強超參數(shù)）。為了實現(xiàn)自動設計，該模型
2018-01-10 15:49:445804
5804
求解#SMT問題的局部搜索算法
規(guī)模#SMT實例的求解器亟待解決．基于以上原因，設計了一種求解較大規(guī)模#SMT實例的近似求解器一一VolComputeWithLocalSearch．它在現(xiàn)有的#SMT精確求解算法的基礎上加入差分進化算法，通過調(diào)用體積計算工具qhull，進而給出#SMT問題的近似解．算法采用群體規(guī)則
2018-01-09 14:38:540
0無線傳感器網(wǎng)絡節(jié)點定位的協(xié)同進化算法
為進一步提高無線傳感器網(wǎng)絡（WSN）中節(jié)點的定位精度，提出了一種雙系統(tǒng)協(xié)同進化（BCO）算法。改進算法利用粒子群優(yōu)化（PSO）算法快速收斂的特性和混合蛙跳算法（SFLA）較高的尋優(yōu)精度的特性，在較少
2018-01-08 16:45:010
0基于趨勢預測模型的TPM的分布估計算法
多目標優(yōu)化問題廣泛存在于現(xiàn)實世界的應用當中。傳統(tǒng)的基于個體進化策略的進化算法在處理這些優(yōu)化問題時往往收斂速度慢、嚴格依賴于種群大小而且效果不大理想。分布估計算法作為元啟發(fā)式
2018-01-08 15:40:500
0染色體易位的動態(tài)進化算法CTDEA
針對采用二進制編碼的進化算法在函數(shù)優(yōu)化過程中會因為維度之間的相互干擾，導致部分低階模式出現(xiàn)無法進行有效重組的現(xiàn)象，提出一種新的結合細胞學研究成果的進化算法染色體易位的動態(tài)進化算法（ CTDEA
2018-01-04 14:16:250
0一種求解RTVKP問題的精確算法
算法、近似算法和遺傳算法．首先，利用動態(tài)規(guī)劃提出了一種求解RTVKP問題的精確算法，對算法時間復雜度的比較結果表明，它比已有的精確算法更適于求解背包載重較大的一類RTVKP實例．然后，分別基于差分演化和粒子群優(yōu)化與貪心修正策略相結合，提出了求解RTVKP問題的兩種進化算法．對5個RTVKP實例
2018-01-03 10:27:380
0混合多種約束的并行約束差分進化算法
針對約束差分進化算法中單一約束處理技術無法適合所有優(yōu)化問題的情況，提出了一種混合多種約束處理技術的并行約束差分進化算法。該算法將種群分成多個子種群，各子種群采用不同的約束處理技術并行地獨立進化，在
2018-01-02 16:40:160
0基于局部快速收斂算法的Memetic進化算法
2018-01-02 15:45:110
0約束優(yōu)化進化算法研究
約束優(yōu)化進化算法主要研究如何利用進化計算方法求解約束優(yōu)化問題，是進化計算領城的一個重要研究課題．約束優(yōu)化問題求解存在約束區(qū)域離散、等式約束、非線性約束等挑戰(zhàn)，其問題的本質(zhì)是，如何處理可行解與不可行解
2017-12-28 11:45:490
0偏好半徑劃分區(qū)域的多目標進化方法
偏好多目標進化算法是一類幫助決策者找到感興趣的Pareto最優(yōu)解的算法．目前，在以參考點位置作為偏好信息載體的偏好多目標進化算法中，不合適的參考點位置往往會嚴重影響算法的收斂性能，偏好區(qū)域的大小難以
2017-12-26 10:50:230
0基于車間調(diào)度的多目標混合進化算法
針對最大完工時間最小和總流經(jīng)時間最小的雙目標流水車間調(diào)度問題，提出一種快速多目標混合進化算法。算法將矢量評價遺傳算法的采樣策略與一種新的基于Pareto支配與被支配關系的適應度函數(shù)的采樣策略進行了
2017-12-20 15:55:580
0超高壓輸電線畸變電場屏蔽預測
準確描述，提出先利用有限元軟件仿真數(shù)據(jù)建立基于新型加權正則化極限學習機算法的屏蔽效果預測模型，然后基于此預測模型，采用分子微分進化算法對屏蔽線架設條數(shù)及其架設位置進行多目標優(yōu)化求解。研究結果表明，該文方法可
2017-12-14 16:59:448
8基于鄰域差分和協(xié)方差信息處理單目標優(yōu)化的進化算法
復雜的單目標優(yōu)化問題是進化計算領域的一個研究熱點問題．已有差分進化和協(xié)方差進化被認為是處理該問題的較有效的方法，其中差分信息類似于梯度可以有效的指導算法朝著最優(yōu)解方向搜索，而協(xié)方差則是基于統(tǒng)計的方式
2017-12-14 15:18:390
0基于混合智能優(yōu)化算法的復雜軟件可靠性分配
速度快，全局搜索能力強，但是易于陷入局部最優(yōu)：而差分進化算法局部搜索能力強，但搜索速度略慢的問題，本文提出一種元啟發(fā)式算法基于罰函數(shù)的混合分布估計和自適應交叉差分進化的優(yōu)化算法（PHEDA-SCDE），該算法收斂速度快
2017-12-14 14:17:320
0異構云系統(tǒng)中基于智能優(yōu)化算法的多維資源公平分配
資源分配策略的研究一直是云計算領域研究的熱點和難點，針對異構云計算環(huán)境下多維資源的公平分配問題，結合基因算法（GA）和差分進化算法（DE），分別給出了兩種兼顧分配公平性和效率的資源分配策略，改進
2017-12-13 17:19:500
0基于結構和參數(shù)同時進化的數(shù)字濾波器設計
為了進一步提高無限沖激擊響應（IIR）數(shù)字濾波器的性能，提出了一種基于結構和參數(shù)同時進化的IIR數(shù)字濾波器設計方法。首先，通過遺傳算法（GA）得到初始濾波器結構；然后，利用差分進化（DE）算法優(yōu)化
2017-12-09 12:02:401
1進化算法在歷史計算數(shù)據(jù)中應用
進化算法由于其強大的系統(tǒng)建模能力和空間搜索能力已被廣泛應用于許多實際問題的求解中。然而，在算法進化的過程中存在個體適應值重復計算的問題，尤其在解決實際工程中的復雜問題時，適應值的計算會消耗大量時間
2017-12-06 16:23:390
0小生境分布估計量子遺傳算法NEDQGA
針對現(xiàn)有量子遺傳算法進化機制存在的收斂速度慢以及易陷入局部極值的問題，為提高量子進化算法的全局收斂性能，結合小生境技術中的共享適應度函數(shù)方法，提出了小生境分布估計量子遺傳算法NEDQGA，在種群內(nèi)部
2017-12-06 11:37:000
0基于差分進化算法的改進
針對差分進化（DE）算法存在的尋優(yōu)精度低、收斂速度慢等問題，借鑒混沌分散策略、反向?qū)W習策略（OBL）以及跨種群并行機制，提出一種基于反向?qū)W習的跨種群差分進化算法（OLCPDE）。采用混沌分散策略進行
2017-12-04 16:30:040
0多配送中心危險貨物配送路徑魯棒優(yōu)化
魯棒優(yōu)化模型；然后，在改進型強度Pareto進化算法（SPEA2）的基礎上設計一種三段式編碼的多目標遺傳算法進行求解，在遺傳操作中對不同染色體段分別采用不同的交叉和變異操作，有效避免了種群進化過程中不可行解的產(chǎn)生；最后，以慶陽市西
2017-12-03 11:03:412
2基于改進人工蜂群的聚類算法
對單峰問題收斂速度慢、多峰問題容易陷入局部最優(yōu)等問題，通過引入差分進化算法中變異和交叉思想，改善蜂群算法的收斂速度，平衡局部搜索和全局搜索能力。然后將改進的人工蜂群算法和模糊C均值聚類算法結合得到基于改進人工
2017-11-29 17:22:210
0基于DSEA的弱變異測試用例集生成方法
為解決基于集合進化算法（SEA）的弱變異測試用例集生成過程中個體規(guī)模固定和執(zhí)行開銷大的問題，提出一種基于動態(tài)集合進化算法（ DSEA）的弱變異測試用例集生成方法。以測試用例集為個體，生成覆蓋所有變異
2017-11-28 16:11:170
0基于模糊高斯學習策略的粒子群進化融合算法
針對粒子群優(yōu)化（PSO）算法存在的開發(fā)能力不足，導致算法精度不高、收斂速度慢以及微分進化算法具有的探索能力偏弱，易陷入局部極值的問題，提出一種基于模糊高斯學習策略的粒子群一進化融合算法。在標準粒子
2017-11-27 17:35:500
0種族分類進化的QoS異構組播路由機制
隨著新型網(wǎng)絡應用的大量涌現(xiàn)，傳統(tǒng)的網(wǎng)絡技術已無法滿足當前應用在帶寬、延遲及出錯率等方面的需求，IP over DWDM光互聯(lián)網(wǎng)以其獨特性能優(yōu)勢成為研究熱點?；诜N族分類進化算法，提出了一種IP
2017-11-27 15:45:180
0云環(huán)境中基于分解的多目標工作流調(diào)度算法
時間和執(zhí)行費用作為目標，提出了一種基于分解的多目標工作流調(diào)度算法。該算法結合了基于列表的啟發(fā)式算法和多目標進化算法的選擇過程，采用一種分解方法，將多目標優(yōu)化問題分解為一組單目標優(yōu)化子問題，然后同時求解這些單目標子
2017-11-27 11:11:360
0利用粒子群的全渠道消費者行為協(xié)同決策研究
隨著各大零售商全渠道營銷戰(zhàn)略布局，全渠道消費者數(shù)量呈爆炸式增長，對于全渠道消費者的消費行為研究成為熱點。然而連鎖零售供應鏈全渠道消費者消費數(shù)據(jù)呈現(xiàn)海量、高維的特征。針對這一特征，提出采用協(xié)同進化算法
2017-11-17 17:33:190
0基于改進差分進化算法的IIR濾波器設計
差分進化由于其算法簡單、收斂速度快，所需領域知識少而受到關注。通常，根據(jù)優(yōu)化問題的約束條件差分進化算法需要進行變量上、下界的限制。本文提出利用IIR濾波器零極點特性來進行IIR濾波器設計，采用復數(shù)
2017-11-15 16:31:175
5遺傳算法的解析與基于遺傳算法的機器學習的介紹
3適應度函數(shù)3選擇策略3控制參數(shù)和遺傳算子等方面的各種改進措施1并給出了遺傳算法的發(fā)展動向。 遺傳算法、進化規(guī)則及進化策略是演化計算的三個主要分支這三種典型的進化算法都以自然界中生物的進化過程為自適應全局優(yōu)化搜索過程的
2017-11-13 17:40:022
2一種混合進化算法提高倉庫貨物平臺的作業(yè)效率
和遺傳算法相結合的方式，設計了一種混合進化算法提高倉庫貨物平臺的作業(yè)效率。最后的仿真求解結果表明：相對于貪心算法，平均收斂代數(shù)優(yōu)化率達到86.7%：相對于遺傳算法，平均收斂時間優(yōu)化率達到17.9%，該算法能夠在可接受的計算時
2017-11-13 14:47:406
6AI工具實現(xiàn)BUG自動檢測功能,更換漏洞識別新風尚
Facebook最近公布了一款名為Sapienz的工具，實現(xiàn)了這一領域的巨大跳躍。這一工具最初是由倫敦大學學院研發(fā)的，它能夠通過自動測試識別安卓軟件中的漏洞。Sapienz含有一種進化算法，它能夠根據(jù)軟件反應做出新的選擇，它的目標就是發(fā)現(xiàn)最大量的故障并且完成最大量的測試，盡可能高效的完成任務。
2017-10-23 15:25:442868
2868從學習方式和功能角度等方面對算法的分類介紹
對監(jiān)督學習中最受歡迎的機器學習算法，以及它們彼此之間的關系有一個比較深刻的了解。 事先說明一點，我沒有涵蓋機器學習特殊子領域的算法，比如計算智能（進化算法等）、計算機視覺（CV）、自然語言處理（NLP）、推薦系統(tǒng)、
2017-09-29 08:42:2210
10基于雙向搜索差分進化的多目標優(yōu)化算法
針對差分進化算法求解多目標優(yōu)化問題時易陷入局部最優(yōu)的問題，設計了雙向搜索機制以增強DE算法的局部搜索能力。一方面降低了
2012-05-29 14:32:5245
45基于可分解的多目標進化算法的PDN阻抗的優(yōu)化
應用可分解的多目標進化算法,同時優(yōu)化這兩個目標,以獲得期望的Pareto Front(PF)。實驗證明,該設計方法易于實現(xiàn),且效果良好、穩(wěn)定性強。優(yōu)化的PDN的輸入阻抗?jié)M足設計要求并且優(yōu)化的去
2012-01-10 17:12:3621
21基于差分進化的BP神經(jīng)網(wǎng)絡學習算法
提出了一種基于改進差分進化算法和 BP神經(jīng)網(wǎng)絡 的計算機網(wǎng)絡流量預測方法。利用差分進化算法的全局尋優(yōu)能力，快速地得到BP神經(jīng)網(wǎng)絡的權值和閾值；然后利用BP神經(jīng)網(wǎng)絡的非線性擬
2011-08-10 16:13:0731
31基于SCEA的模糊控制器的優(yōu)化設計研究
有關最優(yōu)模糊控制器設計的研究已經(jīng)提出許多年了,也因此而提出了各種各樣的模糊建模方法。該文為模糊建模提出了一種新穎的算法――計劃協(xié)同進化算法(Schema Coevolutionary Algorithm-S
2010-08-09 15:48:3715
15基于量子進化算法的時序電路測試生成
本文介紹將量子進化算法應用在時序電路測試生成的研究結果。結合時序電路的特點，本文將量子計算中的量子位和疊加態(tài)的概念引入傳統(tǒng)的測試生成算法中，建立了時序電路的量
2010-08-03 15:29:0114
14基于SCEA的模糊控制器的優(yōu)化設計研究
有關最優(yōu)模糊控制器設計的研究已經(jīng)提出許多年了,也因此而提出了各種各樣的模糊建模方法。該文為模糊建模提出了一種新穎的算法――計劃協(xié)同進化算法(Schema Coevolutionary Algorithm-S
2010-02-23 14:13:0711
11電子對抗環(huán)境下ADBF相控陣雷達的陣列結構優(yōu)化
ADBF 相控陣雷達通常采用子陣結構。子陣結構對系統(tǒng)性能具有顯著影響，對相控陣進行最優(yōu)子陣劃分具有重要的理論與應用意義。該文利用多目標進化算法(MOEA)進行子陣結構優(yōu)化，使
2010-02-09 11:27:5310
10差分進化算法研究進展
針對一種新興的進化算法— —差分進化算法，介紹該算法的基本原理、算法流程、算法參數(shù)及其對算法性能的影響，總結控制變量選擇的經(jīng)驗規(guī)則，歸納了改進差分進化算法和算法
2010-01-08 18:16:2011
11DNA優(yōu)化的神經(jīng)網(wǎng)絡在故障診斷中的應用
將基于DNA 優(yōu)化的BP 網(wǎng)絡用于飛機發(fā)動機氣路的故障診斷。首先，用DNA 進化算法優(yōu)化BP 網(wǎng)絡的初始權值和閾值，然后采用誤差反饋算法訓練BP 網(wǎng)絡，最后將經(jīng)過訓練的網(wǎng)絡用于故
2009-12-23 12:02:318
8M-精英進化算法及其在V-BLAST系統(tǒng)中的應用
為解決垂直分層空時(V-BLAST)系統(tǒng)中的最大似然檢測算法(ML)復雜度過高的問題，并針對通信系統(tǒng)對實時性要求較高的特點，該文提出了一種復雜度較低且性能優(yōu)良的進化算法，即M-精
2009-10-29 13:00:0712
12基于蟻群算法的電路故障診斷研究
BP算法在神經(jīng)網(wǎng)絡中應用較為廣泛,但有收斂速度慢、易于陷入局部極小點的缺點。蟻群算法是一種新型的模擬進化算法,具有正反饋、分布式計算、全局收斂、啟發(fā)式學習等特點。
2009-09-12 16:05:107
7蟻群神經(jīng)網(wǎng)絡在魚病專家系統(tǒng)中的應用研究
BP 算法在神經(jīng)網(wǎng)絡中應用較為廣泛，但有收斂速度慢、易于陷入局部極小的缺點；而蟻群算法是一種新型的模擬進化算法，有正反饋、分布式計
2009-09-11 10:56:3210
10基于蟻群算法WDM網(wǎng)絡故障恢復路由研究
蟻群故障恢復算法是一種新穎的模擬進化算法。該算法基于群以正反饋作為首要的搜索機制，為復雜的組合優(yōu)化問題提供了一種新方法。本文在傳統(tǒng)蟻群算法的選擇策略，本地搜索
2009-09-07 10:15:5310
10遺傳算法及其進化硬件設計研究
遺傳算法（Genetic Algorithms，GAs）是進化計算中的重要領域，也是人工智能迅速發(fā)展的重要領域，它是一類模擬自然進化過程和達爾文“適者生存”的算法。這一算法企圖通過使用諸
2009-07-10 13:28:0116
16一類混雜系統(tǒng)Petri網(wǎng)模型的優(yōu)化算法的研究
本文針對工業(yè)中廣泛存在的混雜系統(tǒng)，結合進化算法，研究了應用Petri 網(wǎng)的分層遞階建模方法，實現(xiàn)一類混雜系統(tǒng)的建模與優(yōu)化。關鍵詞：混雜系統(tǒng) Petri 網(wǎng) 建模 進化算法 優(yōu)化
2009-06-22 09:13:0717
17多目標進化算法的分布度評價方法
分析現(xiàn)存多目標進化算法分布度評價方法的特點和不足，提出一種在新的坐標下對解集進行分布度評價的方法。該方法把直角坐標系下的解集映射到另一個基于角度的坐標下，以避
2009-04-14 08:33:5915
15遺傳算法的發(fā)展
遺傳算法的發(fā)展
進化算法與其他科學技術一樣，都經(jīng)歷一段成長過程，逐漸發(fā)展壯大。此過程可 大致分為三個時期：萌芽
2008-12-20 02:52:141396
1396
拉伸技術粒子群優(yōu)化算法的多用戶檢測器
粒子群優(yōu)化算法是一類新型進化算法，為提高粒子群優(yōu)化算法對復雜問題全局最優(yōu)解的探測能力，該文引入一種基于拉伸技術的粒子群優(yōu)化算法，把它應用到CDMA通信系統(tǒng)中抗干擾
2008-12-18 14:37:159
9免疫進化理論的研究
免疫進化理論的研究研究背景與現(xiàn)狀；免疫進化算法；免疫神經(jīng)網(wǎng)絡；計算機免疫安全 系統(tǒng)的探索在生物科學領域，人們對進化、遺傳和免疫等自然 現(xiàn)象
2008-10-24 20:42:130
0
工商網(wǎng)監(jiān)
評論