首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 235 毫秒

1.  关于一类遗传算法收敛速度的研究  被引次数:1
   明亮  王宇平《计算数学》,2007年第29卷第1期
   遗传算法收敛速度的研究是进化计算领域中一个复杂而重要的问题,但是有关收敛速度的研究结果还相对较少.目前有关遗传算法的收敛速度的结果可分为两类,一类是利用Doeblin条件来估计,但其结论中含有需要进一步估计的常量;另一类是利用状态转移矩阵的特征值来估计,然而同样需要进一步恰当地估计特征值的大小.本文首先给出一类遗传算法的框架,讨论了其全局收敛性,并且利用马尔可夫链的性质,估计了这类遗传算法的收敛速度.    

2.  用遗传BP网络求高聚物的ZWT非线性粘弹方程的力学参数  
   舒雅琴  曾锦光  徐圣进《宁波大学学报(理工版)》,2002年第15卷第1期
   结合遗传算法及BP神经网络的特点,构建了一个新的有机体-遗传BP网络,并对遗传BP网络进行了测试。结果表明遗传BP网络在收敛速度及收敛稳定性方面都有很好的效果。最后给出了一个用遗传BP网络求高聚物的ZWT方程的力学参数的实例。    

3.  基于组合混沌遗传算法的认知无线电资源分配  
   俎云霄  周杰《物理学报》,2011年第60卷第7期
   提出了基于组合混沌遗传算法用于认知无线电资源分配,设计了相应的组合混沌序列发生器,并分别运用组合混沌遗传算法、粒子群优化算法、模拟退火算法及简单遗传算法对认知无线电资源分配问题进行了仿真分析.结果表明,组合混沌遗传算法具有收敛速度快、搜索空间广、全局收敛等优点.相比其他三种算法,基于组合混沌遗传算法进行资源分配提高了认知无线电系统的传输速率,降低了系统的发射功率及误码率,同时加快了收敛速度. 关键词: 组合混沌 认知无线电 遗传算法 资源分配    

4.  多车场一体化集货送货车辆路径问题的混合遗传算法  
   王晓博  任春玉《运筹与管理》,2010年第19卷第6期
   为满足电子商务客户多样化和个性化的需求,建立多车场一体化装卸混合车辆调度模型.针对模型的特点,采用混合遗传算法求解.即利用模拟退火算法的Boltzmann机制,控制遗传算法的交叉、变异操作,加强染色体的局部搜索能力,提高了算法的收敛速度和搜索效率.仿真结果表明在解决大规模实际问题时,混合遗传算法在求解质量和计算效率上好于标准遗传算法.    

5.  求解旅行商问题的搜寻者遗传算法  
   张立毅  高杨  费腾  王玉婧《数学的实践与认识》,2019年第7期
   针对简单遗传算法易陷入局部最优及收敛速度慢的不足,提出一种改进遗传算法-基于启发式策略的搜寻者遗传算法.首先将搜寻者优化算法中的模糊思想和近邻策略相结合改进变异算子,增强种群多样性,避免陷入局部最优;然后针对路径优化问题基于启发式策略设计反转算子,使得路径中不存在交叉边,加快收敛速度;最后将改进遗传算法用于求解旅行商问题.结果表明,改进遗传算法的求解精度和求解效率明显优于基本遗传算法.    

6.  鞅差时间序列半参数回归模型的小波估计  
   胡宏昌  胡迪鹤《数学进展》,2010年第1期
   用小波方法研究了误差为滑动平均鞅差序列的半参数回归模型,得到了小波估计量的矩收敛速度及强收敛性.    

7.  用神经元网络实现ARMA模型参数估计  
   方泽南  褚福磊《数学的实践与认识》,1997年第3期
   ARMA模型的参数估计,是一个非线性寻优的过程,本文提出一种新的神经网络算法,用于ARMA模型的参数估计,可以保证计算的收敛性,提高运算速度和估计精度。    

8.  免疫算法在蛋白质折叠模拟中的应用  被引次数:3
   牛晓辉  李娜娜《数学杂志》,2004年第24卷第3期
   利用免疫算法.结合非格模型.对于长度为12~20的氨基酸序列的折叠进行预测,并与标准的遗传算法和模拟退火算法进行对比,该算法有更强的全局搜索能力,对减轻遗传算法后期波动性有明显效果,同时使收敛的速度有所提高.    

9.  基于实数编码的免疫遗传算法研究  被引次数:13
   张礼兵  金菊良  刘丽《运筹与管理》,2004年第13卷第4期
   针对标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,在免疫遗传算法的基础上提出了基于实数编码的免疫遗传算法(RIGA)。研究表明,RIGA对SGA的改进是有效可行的,显示出稳健的全局优化、计算量少而解的精度高等特点,具有较高的应用价值。    

10.  最优化两个拓广的SQP和SSLE算法模型及其超线性和二次收敛性  被引次数:2
   简金宝《高校应用数学学报(A辑)》,2001年第16卷第4期
   给出一般约束最优化的序列二次规划(SQP)和序列线性方程组(SSLE)算法两个拓广的模型,详细分析和论证两个模型的局部超线性收敛性及二次收敛性条件,其中并不需要严格互补条件,拓广的模型及其收敛速度结果具有更广泛的适用性,为SQP和SSLE算法收敛速度的研究提供了更为完善和便利的理论基础。    

11.  基于MCMC的ACD与SCD模型比较研究  被引次数:2
   王亚楠  吴祈宗  刘风《数学的实践与认识》,2011年第41卷第9期
   针对近几年在研究金融市场超高频序列时出现的ACD模型和SCD模型,运用MCMC方法采用沪市分笔交易数据得到两类模型的参数进行估计值及DIC值,分析了模型的收敛性,稳健性、拟合效果及复杂性,结果表明,两类模型均趋于收敛,在稳健性及收敛速度方面,ACD模型有优势,而在数据拟合效果及复杂性方面,SCD模型具有优势.    

12.  基于混合编码的混合遗传算法  被引次数:2
   牛向阳  高成修《数学杂志》,2008年第28卷第4期
   本文研究了神经网络优化问题.利用混合编码的方法,结合遗传算法与共轭梯度法的优点,得到一种基于混合编码的混合遗传算法.数值模拟结果表明,混合算法既具有较快的收敛速度,又能够收敛到全局最优解.    

13.  选择算子与遗传算法的计算效率分析  被引次数:1
   张松艳《宁波大学学报(理工版)》,2009年第22卷第3期
   指出了遗传算法的选择方式与其全局收敛性和收敛速度的关系.常用的选择算子不能保证算法的全局收敛性,在引入改进选择策略后轮盘赌选择方式能保证算法的全局收敛性.但收敛速度较慢.同时给出了遗传算法选择操作的若干策略.    

14.  软件可靠性模型的Bayes推断及Gibbs算法  被引次数:4
   张志华  屈斐《高校应用数学学报(A辑)》,2005年第20卷第4期
   作为重要的软件可靠性模型,JM模型的研究具有重要意义.论文研究了JM模型Bayes估计及其Gibbs算法.在先验分布确定的情况下,给出了Bayes估计的Gibbs算法,并证明了其收敛性.最后通过模拟分析发现:在1≥100,k〉600时,所得到的参数Bayes估计与初始值几乎无关.从而说明Gibbs算法的可行性.    

15.  基于微种群遗传算法和自适应BP算法的遥感图像分类  被引次数:5
   李仪  陈云浩  李京《光学技术》,2005年第31卷第1期
   介绍了采用微种群遗传算法和自适应BP算法相结合的混合遗传算法来训练前向人工神经网络(BPNN)的方法。即先用微种群遗传学习算法进行全局训练,再用自适应BP算法进行精确训练,以达到加快网络收敛速度和避免陷入局部极小值的目的。将此算法用于遥感图像分类,网络的训练速度及分类结果表明,该算法收敛速度较快,预测精度较高。    

16.  基于SOA的矢量水听器阵列极大似然DOA估计  
   王鹏  何伟嘉  贺雪芳  白艳萍《数学的实践与认识》,2022年第2期
   极大似然波达方向估计方法虽然具有良好的估计性能,但由于其巨大的计算量,限制了实际应用.提出一种将人群搜索算法与极大似然估计相结合的方法,利用人群搜索算法优化多维非线性的极大似然DOA估计谱函数,加快了收敛速度.通过与正余弦算法、遗传算法和粒子群算法的对比实验果表明,所提方法在不同信号源个数、不同信噪比、不同种群数下,均具有更快的收敛速度和更低的均方根误差,具有一定的工程应用价值.    

17.  误差为MA(∞)序列的半参数回归模型的小波估计的渐近性质  
   朱崇军《数学杂志》,2008年第28卷第4期
   本文研究误差为MA(∞)时间序列的半参数回归模型.利用小波方法,研究了参数分量β非参数分量g(t)的小波估计βn、gn(·)的渐近性质.在适当的条件下,得到了βn的渐近正态性、强收敛速度、矩收敛速度及gn(·)的强相合性和矩相合性.    

18.  多种群遗传算法在PBX本构模型参数识别中的应用  
   高军  黄再兴《爆炸与冲击》,2016年第6期
   利用多种群并行结构对标准遗传算法SGA进行并行化处理,引入移民算子和精华种群形成多种群遗传算法MPGA,并设计了自适应交叉和变异概率对算法的收敛速度进行改进。结合ABAQUS软件和改进的多种群遗传算法,建立了材料本构模型参数识别方法。采用该方法对PBX炸药黏弹性损伤本构模型参数进行了模拟识别,并同基于标准遗传算法的参数识别方法进行了比较。结果证明,基于改进多种群遗传算法IMPGA的方法对克服算法未成熟收敛有显著的效果,识别结果更稳定。同时该方法的收敛速度更快,寻优能力更强,适合复杂非线性问题的优化,此方法可以被应用到其他材料本构模型的参数识别中。    

19.  AGA-BP模型在遥感影像分类中的应用研究  
   王海军《应用声学》,2017年第25卷第5期
   作为遥感研究的关键技术,遥感影像分类一直是遥感研究热点;针对目前采用BP神经网络模型进行遥感影像分类时存在的对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题,为了提高BP模型遥感影像分类精度,将自适应遗传算法引入到BP网络模型参数选择中;首先运用自适应遗传算法对BP模型权阈值参数进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于自适应遗传算法的BP网络分类模型,并将其应用到遥感影像数据分类研究中;仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值。    

20.  基于云自适应遗传算法的K-means聚类分析  
   《数学的实践与认识》,2015年第17期
   现有的基于遗传算法的K-means聚类算法,利用遗传算法的全局优化性提高了K-means算法的寻优能力,收敛速度却过慢.为了解决上述问题,提出基于云自适应遗传算法的K-means聚类算法,利用云模型云滴的随机性和稳定趋向性设计遗传算法的交叉和变异概率,并在进化过程中引入K均值算子,以克服算法收敛速度过慢的问题.实验比较表明,算法具有较好的全局优化性,且收敛速度较快,提高了聚类算法解决物流管理中数据聚类工作的能力.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号