吴昱
- 作品数：9 被引量：38H指数：4
- 供职机构：武汉大学计算机学院软件工程国家重点实验室更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划湖北省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于群智能的新型反向混合差分进化算法
- 依据PSO和DE在函数优化方面所展现的优越性能,提出一种融合粒子群智能思想的新型反向混合差分进化算法(ODE-SI).本文分析这两种启发式方法之间的潜在联系,并在ODE-SI中不仅保留了粒子群智能思想中的经验记忆,而且应...
- 吴昱李元香徐星
- 关键词：差分进化算法粒子群优化信息共享
- 文献传递
- 基于扩散机制的杂交粒子群优化算法被引量：1
- 2011年
- 为了解决标准粒子群优化算法容易陷入局部极小值的问题,模拟统计物理和热力学中的扩散现象,设计了一种扩散机制,根据扩散定律和扩散系数公式,给出了粒子的扩散能、种群的温度和粒子的扩散概率三个定义和扩散池的概念;并把这种策略和多父体杂交算子结合起来,提出了基于扩散机制的杂交粒子群优化算法。该算法在具有欺骗性的多模态函数优化和非线性模型参数估计等实际问题上取得了较理想的实验结果,证实了扩散机制和多父体杂交策略可以有效地改善粒子群优化算法的性能。
- 徐星吴昱魏波李元香
- 关键词：粒子群优化扩散多父体杂交热力学
- 演化多目标优化中的几何热力学选择被引量：9
- 2010年
- 热力学遗传算法(Thermodynamical Genetic Algorithms,TDGAs)借鉴热力学中的自由能极小过程来统一处理多目标优化在逼近性和多样性两方面的任务.为提高TDGA的运行效率和解集分布均匀性,提出了一种几何热力学选择.在该选择中首先定义角度熵通过扇形采样来度量种群逼近方向的多样性.然后利用距离精英定义距离能量来度量种群的逼近程度,避免了耗时的非劣分层操作.此外,引入分量热力学替换规则以较低计算代价驱动种群的几何自由能快速下降.在多目标0/1背包问题上的实验结果表明,几何热力学选择极大地提高了TDGA的运行效率和解集分布均匀性;采用该选择的TDGA算法可生成与NSGA-II在逼近性和分布多样性上性能相当的解,但在运行效率上明显优于NSGA-II.
- 应伟勤李元香SHEU Phillip C-Y吴昱余法红
- 关键词：多目标优化演化算法
- 融合分子力机制的粒子群优化算法及其参数优化
- 保持粒子的多样性是提高PSO算法性能的关键,受分子运动论思想的启发,提出了基于分子力的粒子群优化算法（MPSO）。类比热力学分子系统,在MPSO中引入了粒子间的分子力、群质心和粒子加速度共三个概念并对粒子的速度更新公式进...
- 徐星吴昱
- 关键词：粒子群优化分子力参数优化热力学
- 基于布朗运动的改进粒子群优化算法被引量：2
- 2011年
- 为了改善粒子群优化算法的收敛速度,在布朗运动和伊藤过程的启示下,提出了一种混合布朗运动和粒子群优化算法这两种思想的改进算法。通过对布朗运动和伊藤过程进行抽象,设计了漂移算子和波动算子。漂移算子保留了粒子的位置属性,但没有了速度属性,并引入了吸引子的概念,借鉴差分变异算子设计了波动算子。通过解决典型的复杂函数优化问题,实验结果表明,改进算法具有收敛速度快的特点,并具有良好的健壮性和稳定性。
- 徐星吴昱李元香
- 关键词：粒子群优化算法热力学
- 基于策略模式的粒子群优化算法平台设计被引量：2
- 2010年
- 为了扩大粒子群优化算法的应用范围和增强它的影响力,从软件重用的角度出发,考虑到算法流程的共性和个性,设计了一种基于策略模式的粒子群优化算法平台,此平台包含了基本的粒子群优化算法和经典的改进算法,可以解决连续优化和二进制组合优化问题.一系列的粒子群优化算法和优化问题被分别封装到相应的算法策略类和问题策略类中,这些类继承自一个具有统一接口的抽象基类.因此,该平台非常适合于粒子群优化算法的理论和应用研究,且易于维护和扩充.
- 徐星李元香吴昱胡豪
- 关键词：粒子群优化算法设计模式
- 基于扩散机制的双种群粒子群优化算法被引量：6
- 2010年
- 为了避免标准粒子群优化算法(PSO)过早收敛的缺点,把热力学中的扩散现象引入到PSO算法的改进当中,提出了基于扩散机制的双种群粒子群优化算法(DPSO)。DPSO算法中定义了粒子的扩散能、种群的温度和粒子的扩散概率三个概念,两个群体中的粒子在进化过程中根据粒子的扩散概率被选入到各自种群的扩散池中,从而实现两个种群之间信息的交换和共享。通过解决典型的多峰、高维函数优化问题来证实DPSO算法的有效性,实验结果表明DPSO比标准PSO具有更高的性能。
- 徐星李元香吴昱
- 关键词：粒子群优化算法多种群热力学
- 基于粒子群优化算法的Logistic模型参数估计被引量：8
- 2010年
- 将Logistic模型的参数估计问题转化为一个多维无约束函数优化问题，然后利用粒子群优化算法（PSO）的全局搜索能力对此问题求解.仿真实验中所使用的数据包括真实数据和随机采样数据.实验结果表明，在这两种数据条件下PSO算法均能够较准确地估计获得Logistic模型的参数，证实了PSO算法是Logistic模型参数估计的一种可靠有效的算法.同时也分析了参数维数和噪声对PSO算法的收敛性和稳定性的影响.
- 徐星李元香吴昱金彤
- 关键词：参数估计粒子群优化LOGISTIC模型
- 基于群智能的新型反向混合差分进化算法被引量：12
- 2009年
- 依据PSO和DE在函数优化方面所展现的优越性能,提出一种融合粒子群智能思想的新型反向混合差分进化算法(ODE-SI).本文分析这两种启发式方法之间的潜在联系,并在ODE-SI中不仅保留了粒子群智能思想中的经验记忆,而且应用了反向学习(opposition-based learning,OBL)操作促使演化生成过程的跃变,从而使算法具有较高的收敛速度和较好的种群多样性.此外,通过测试函数的仿真实验,本文将ODE-SI与其他DE和PSO算法进行比较.实验结果证实了新算法的高效性、通用性和稳健性.
- 吴昱李元香徐星
- 关键词：差分进化粒子群优化信息共享
