您的位置： 专家智库 > >

安徽省高校省级自然科学研究项目(2012kb236)

作品数：9 被引量：14H指数：2
相关作者：许峰孟晓阳马春连梁玉洁吴福芳更多>>
相关机构：安徽理工大学更多>>
发文基金：安徽省高校省级自然科学研究项目更多>>
相关领域：自动化与计算机技术环境科学与工程更多>>

文献类型

  • 9篇中文期刊文章

领域

  • 8篇自动化与计算...
  • 1篇环境科学与工...

主题

  • 6篇多目标
  • 6篇进化算法
  • 5篇多目标进化
  • 5篇多目标进化算...
  • 4篇分布性
  • 3篇自适
  • 3篇自适应
  • 3篇免疫算法
  • 2篇群算法
  • 2篇人工免疫
  • 2篇人工免疫算法
  • 2篇混合算法
  • 1篇多目标优化
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇收敛性
  • 1篇退火算法
  • 1篇配送
  • 1篇热岛效应
  • 1篇种群

机构

  • 9篇安徽理工大学

作者

  • 9篇许峰
  • 2篇马春连
  • 2篇孟晓阳
  • 1篇张丽丽
  • 1篇吴福芳
  • 1篇梁玉洁

传媒

  • 5篇软件导刊
  • 2篇计算机工程与...
  • 1篇中国科技信息
  • 1篇安徽理工大学...

年份

  • 2篇2016
  • 4篇2014
  • 3篇2013
共 9 条 记 录，以下是 1-9
全选 清除 导出
排序方式：
基于聚集密度的自适应选择多目标进化算法
2014年
分析了线性选择方法的两个缺陷,提出了一种基于聚集密度的非线性自适应选择方法。算法基本思想是:首先将每代种群划分成Pareto劣解集和Pareto非劣解集,然后依照个体的聚集密度分别在劣解集和非劣解集中构造一种偏序集,分别按照不同的等概率在这两个偏序集中选择个体,其中劣解偏序集的个体选择概率远小于非劣解偏序集的个体选择概率,根据两个偏序集中的容量自动计算出两个选择概率。这种非线性选择方法既体现了劣解集和非劣解集中个体的绝对平等性及非劣解集对劣解集的相对优先选择权,又充分考虑到了Pareto最优解的分布性。理论分析和数值计算表明,这种新的选择机制不仅能改善排序选择法的收敛性,而且能得到分布性良好的Pareto最优解。
孟晓阳许峰
关键词：多目标进化算法自适应选择分布性
人工免疫多目标进化算法在动态车辆路径优化中的应用
2014年
建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。
马春连许峰
关键词：多目标进化算法人工免疫算法
“白屋顶计划”对降低城市热岛效应作用的研究被引量：2
2014年
根据建筑群热时间常数(Cluster Thermal Time Constant,CTTC)模型,分别对黑白屋顶吸收辐射所引起的不同温升效果进行了模拟计算。结果显示:(1)屋顶对天空的长波辐射引起的温降远小于屋顶吸收辐射所引起的温升;(2)不同吸收率的黑白屋顶的温升效果差异比较明显。本文的研究表明:"白屋顶"计划对降低城市热岛效应确有一定程度的作用。
孟晓阳许峰
关键词：城市热岛效应长波辐射
自适应协同进化多目标进化算法
2016年
为了提高协同进化多目标进化算法的全局收敛性,提出了一种调用协同进化算子的自适应方法。其基本思想是:根据目标函数的变化率自动调用协同进化算子;当种群进化正常时,调用合作算子和吞并算子;当种群进化接近停滞时,调用分裂算子。通过数值实验用量化指标研究了新算法的收敛性和分布性,结果表明,与常规协同进化多目标进化算法相比,新算法不仅具有良好的分布性,而且全局收敛性有了明显的提高。
许峰吴福芳
关键词：多目标进化算法协同进化自适应收敛性分布性
自适应混合多目标分布估计进化算法被引量：9
2014年
针对多目标分布估计算法全局收敛性较弱的缺陷,提出了一种自适应混合多目标分布估计进化算法。其基本思想是:在多目标分布估计算法中引入全局收敛性较强的差分进化算法,当函数变化率较大时,用分布估计算法产生新种群;当函数变化率较小即算法可能陷入局部收敛时,用差分进化算法产生新种群。理论分析和数值实验结果表明,这种混合算法不仅具有良好的全局收敛性,而且解的分布性和均匀性较没有考虑目标函数变化率的混合多目标分布估计算法也有了一定程度的提高。
梁玉洁许峰
关键词：多目标优化分布估计算法差分进化算法自适应
基于聚集密度的人工免疫多目标进化算法
2013年
为了改善人工免疫多目标进化算法的分布性,引入聚集密度以进行Pareto最优解集的更新。其基本思想为:首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。通过数值实验,用量化指标研究了新算法的收敛性和分布性,结果表明:新算法的收敛性与常规人工免疫多目标进化算法相当,但分布性有了明显提高。
马春连许峰
关键词：多目标进化算法人工免疫算法分布性
免疫粒子群算法及其在物流配送中心选址问题中的应用研究被引量：3
2013年
将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是:将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。
马毓咛许峰
关键词：粒子群算法免疫算法混合算法
基于聚集密度的约束多目标进化算法
2016年
对基于群体聚类的约束多目标进化算法进行了改进,引入了聚集密度以度量群体中个体间的关系,保持种群的多样性。其基本思想为:首先将初始群体按多判据聚类方法分为适应度值不同的四类,然后计算类内群体中个体的聚集密度,根据适应度值和聚集密度定义一个偏序集,最后采用比例选择原则依次从偏序集中选择个体,更新精英集。通过数值实验用量化指标研究了改进算法的收敛性和分布性,结果表明:改进算法的收敛性与常规约束多目标进化算法相当,但分布性有了明显的提高。
张丽丽许峰
关键词：分布性
基于目标函数梯度的模拟退火蚁群算法
2013年
根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。
弓英瑛许峰
关键词：蚁群算法模拟退火算法混合算法
全选 清除 导出
共1页<1>
聚类工具0