您的位置: 专家智库 > >

广西师范学院基础研究基金(0810A004)

作品数:6 被引量:29H指数:4
相关作者:李玲麦雄发彭昱忠更多>>
相关机构:广西师范学院更多>>
发文基金:广西师范学院基础研究基金广西教育厅科研项目国家自然科学基金更多>>
相关领域:自动化与计算机技术天文地球更多>>

文献类型

  • 6篇期刊文章
  • 1篇会议论文

领域

  • 5篇自动化与计算...
  • 1篇天文地球
  • 1篇理学

主题

  • 5篇子群
  • 5篇粒子群
  • 5篇粒子群优化
  • 3篇多目标粒子群
  • 3篇多目标优化
  • 3篇群体决策
  • 3篇参考点
  • 2篇优化算法
  • 2篇偏好信息
  • 2篇细菌觅食
  • 2篇细菌觅食算法
  • 2篇粒子群优化算...
  • 1篇多目标
  • 1篇多目标粒子群...
  • 1篇多目标粒子群...
  • 1篇遗传算法
  • 1篇元胞
  • 1篇元胞自动机
  • 1篇神经网
  • 1篇神经网络

机构

  • 7篇广西师范学院

作者

  • 7篇李玲
  • 6篇麦雄发
  • 1篇彭昱忠

传媒

  • 3篇广西师范学院...
  • 2篇计算机工程
  • 1篇计算机应用研...
  • 1篇第四届中国智...

年份

  • 1篇2011
  • 4篇2010
  • 2篇2009
6 条 记 录,以下是 1-7
排序方式:
基于群体距离的多目标粒子群优化算法被引量:2
2010年
为实现偏好与群体决策的结合应用,提出基于群体距离的多目标粒子群优化算法。通过调整解与参考点的群体距离引导粒子靠近偏好区域,运用格栅方法和改进的剪枝策略实现解在Pareto边界的均匀分布,求出与群体成员偏好相关的部分Pareto最优集,从而减少计算成本、加快收敛速度。实验结果表明,该算法得到的解更靠近真实Pareto前沿,且对不同个体决策成员都有效。
麦雄发李玲
关键词:群体决策参考点多目标粒子群优化
基于决策者偏好区域的多目标粒子群算法研究被引量:10
2010年
多目标优化问题中,决策者往往只对目标空间的某一区域感兴趣,因此需要在这一特定的区域能够得到比较稠密的Pareto解,但传统的方法却找出全部的Pareto前沿,决策效率不高。针对该问题,给出了基于决策者偏好区域的多目标粒子群优化算法。它只求出与决策者偏好区域相关的部分Pareto最优集,从而减少了进化代数,加快收敛速度,有利于决策者进行更有效的决策。算法把解与偏好区域的距离作为影响引导者选择和剪枝策略的一个因素,运用格栅方法实现解在Pareto边界分布的均匀性。仿真结果表明该算法是有效的。
麦雄发李玲
关键词:多目标优化粒子群优化算法
基于CA-ANN喀斯特石漠化时空格局的动态模拟和预测被引量:6
2009年
分析了石漠化成灾综合机理,以GIS为平台,结合元胞自动机和神经网络模型,对石漠化灾害的空间格局进行动态模拟和预测.鉴于元胞自动机转换规则的难于确定的特点,利用神经网络来训练和获取石漠化转化的规则,进一步提高元胞自动机动态模拟能力.同时,由于GIS中嵌入元胞自动机,GIS的空间分析功能得到增强.
李玲麦雄发
关键词:石漠化元胞自动机神经网络
基于PSO与对立学习的细菌觅食算法被引量:4
2011年
为提高细菌觅食算法处理高维问题时的收敛速度及精度,提出一种基于粒子群优化算法和对立学习的细菌觅食算法PO-BFA。在种群初始化阶段采用对立学习取代随机初始化,在进化过程中利用对立学习进行种群动态跳跃,以提高算法的收敛速度,并以粒子移动代替细菌的趋化操作,由此省略细菌前进操作。基于6个高维Benchmark函数的实验结果表明,该算法的收敛速度和精度均优于同类算法。
麦雄发李玲彭昱忠
关键词:细菌觅食算法粒子群优化趋化
群体决策中集成两类偏好信息的多目标粒子群优化方法
2009年
根据多个决策者给出关于目标的两类偏好信息—参考点和目标优先次序,建立了一个能集成这两种偏好的多目标粒子群优化算法.该算法首先分别按距离和目标值对解进行排序、赋予偏好值,然后将它们组合得到集成偏好值,并用集成偏好值引导粒子向群体偏好的Pareto前沿收敛,最后运用ε-排斥思想实现解在Pareto边界分布的均匀性.仿真结果表明该算法有效.
麦雄发李玲
关键词:群体决策参考点粒子群优化多目标优化
集成不同类型偏好信息的MOGA方法研究
带有不同偏好信息形式的多目标群体决策问题是一个重要的新的研究方向。根据多个决策者给出关于目标的两类偏好信息—参考点和目标优先次序,建立基于集成偏好值的多目标遗传优化算法。该算法首先分别按距离和目标值对解进行排序、赋予偏好...
麦雄发李玲
关键词:群体决策参考点遗传算法多目标优化
文献传递
混合PSO的快速细菌觅食算法被引量:8
2010年
为了提高细菌觅食算法在高维问题的收敛速度以及精度,提出了一种混合PSO的快速细菌觅食算法(FBFA-PSO).该算法用粒子的移动代替了细菌的趋化操作,省略了细菌前进操作,保留了细菌的繁殖和驱散操作.基于6个高维Benchmark函数的试验结果显示,该算法收敛速度和精度都优于其它三种细菌觅食算法.
麦雄发李玲
关键词:细菌觅食算法粒子群优化
共1页<1>
聚类工具0