您的位置: 专家智库 > >

陈振兴

作品数:7 被引量:25H指数:2
供职机构:福建师范大学更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术历史地理政治法律更多>>

文献类型

  • 5篇期刊文章
  • 2篇学位论文

领域

  • 6篇自动化与计算...
  • 1篇政治法律
  • 1篇历史地理

主题

  • 5篇多目标优化
  • 3篇多目标
  • 2篇多形
  • 2篇拥挤
  • 2篇优化算法
  • 2篇种群
  • 2篇协同进化
  • 2篇进化
  • 2篇进化算法
  • 2篇控制策略
  • 1篇多目标进化
  • 1篇多目标进化算...
  • 1篇多目标粒子群
  • 1篇多目标粒子群...
  • 1篇多目标粒子群...
  • 1篇多目标优化算...
  • 1篇多样性
  • 1篇拥挤距离
  • 1篇政府
  • 1篇政府责任

机构

  • 7篇福建师范大学

作者

  • 7篇陈振兴
  • 5篇严宣辉
  • 3篇白猛

传媒

  • 1篇自动化学报
  • 1篇模式识别与人...
  • 1篇计算机应用
  • 1篇计算机系统应...
  • 1篇计算机工程与...

年份

  • 1篇2016
  • 4篇2015
  • 2篇2014
7 条 记 录,以下是 1-7
排序方式:
具有多形态种群协同进化的多目标优化算法被引量:1
2014年
为提高进化多目标优化算法在维持最优解多样性方面的性能,获得分布更均匀的Pareto非支配解集,文中提出一种具有多形态种群协同进化的多目标优化算法.该算法构建一种多形态种群协同进化架构,通过引入最小向量夹角的相似性度量方法,给出次优非支配个体选择策略,从而提高种群的多样性.算法还提出一种基于排序链表的拥挤个体删除策略,进一步提高解集分布的均匀性和宽广性.与经典算法对比结果表明,文中算法在解的分布性和多样性方面均有较好表现,尤其在解集分布均匀性方面优势较明显.
陈振兴严宣辉吴坤安
关键词:多目标优化协同进化向量夹角
基于空间拥挤控制策略的进化多目标优化
进化算法在处理多目标优化问题上表现优异,并已成为该领域的研究热点之一。为了提高进化算法解决复杂多目标优化问题的能力,本文基于多目标优化理论和进化计算方法,重点研究如何在目标空间进行有效的拥挤控制,进而提高种群在环境选择中...
陈振兴
关键词:多目标优化协同进化
文献传递
福州历史文化街区保护中的政府责任研究
历史文化街区是每个国家或地区宝贵的文化遗产,具有稀缺性、地域性、生活性等特征。国内、外学术界针对历史文化街区保护问题进行了广泛研究。目前福州历史文化街区保护存在一定问题,为了理清政府在福州历史文化街区保护中应担当的职责,...
陈振兴
关键词:历史文化街区政府责任
文献传递
融合张角拥挤控制策略的高维多目标优化被引量:13
2015年
对于高维多目标优化问题,随着目标维数的增加,种群中非被支配解的比例剧增,严重降低了种群的进化压力.为了对数量众多的非被支配解进行有效的拥挤控制并提升种群的多样性,本文在提出张角概念的基础上设计了一种新的拥挤控制策略(Congestion control strategy based on open angle,CCSOA),它的时间复杂度并不会随着目标维数的增加而增大.与目前优秀的进化多目标优化(Evolutionary multiobjective optimization,EMO)算法IBEA(Indicator-based evolutionary algorithm)、NSGAIII(Nondominated sorting genetic algorithm III)和Gr EA(Grid-based evolutionary algorithm)的比较结果表明,融合了CCSOA的高维多目标优化算法在收敛效果和解集分布的均匀性两个方面均有较大的优势.
陈振兴严宣辉吴坤安白猛
关键词:进化算法
混合分解的多目标粒子群优化算法被引量:2
2015年
针对多目标粒子群算法全局最优值的选取缺陷以及多样性保留缺陷,提出了一种基于分解和拥挤距离的多目标粒子群优化算法(Smoeadpso).算法采用切比雪夫分解机制,将邻居向量对应的子问题的中的最优解来作为某个粒子全局最优值的候选解了更有效限制粒子飞行速度以避免粒子飞行超出解空间界限,引入了新的速度限制因子维持了种群多样性.本文算法与经典的多目标进化算法在10个测试函数上的对比结果表明,Smoeadpso求得的Pareto解集与真实Pareto解集的逼近程度有明显提升并且对于3目标问题求解的均匀性也比同类粒子群算法优秀.
白猛严宣辉吴坤安陈振兴
关键词:拥挤距离粒子群优化多目标优化
一种基于Pareto排序的混合多目标进化算法被引量:5
2015年
为了改进多目标进化算法的收敛性和解集的多样性,提出一种基于Pareto排序的混合多目标进化算法PHMOEA。在PHMOEA中使用干扰集刺激优化非支配集的构成,改善算法的收敛性和解集的分布性,并根据Pareto等级和精英保留策略改进了交叉算子和变异算子。该算法与著名的NSGA-II和SPEA2多目标进化算法在13个基准测试函数上的对比结果表明,PHMOEA算法不仅多样性较好,而且提高了算法的收敛性,并使获得的最优解集的分布性更均匀,覆盖范围更广。
吴坤安严宣辉陈振兴
关键词:多目标进化算法收敛性多样性
混合分散搜索的进化多目标优化算法被引量:2
2014年
在进化多目标优化算法中,种群的多样性、对目标空间的搜索能力及算法的鲁棒性直接影响算法的收敛能力和解集的分散性。针对这些问题,提出了一种混合分散搜索的进化多目标优化算法(SSMOEA)。SSMOEA在混合分散搜索算法架构的同时,重新设计其多样性的选取策略,并引入协同进化机制。此外,为了提高算法的自适应性和鲁棒性,采用了一种新颖的自适应多交叉算子选择方法。SSMOEA与经典的多目标进化算法SPEA2、NSGA-Ⅱ和MOEA/D在12个基准测试函数上的对比结果表明,SSMOEA不仅在求得的Pareto最优解集的宽广性、均匀性和逼近性上有明显优势,而且算法的鲁棒性也有明显的提高。
吴坤安严宣辉陈振兴白猛
关键词:自适应分散搜索多目标优化
共1页<1>
聚类工具0