Archive for '博客'

通过随机算法参数改进的简化差分进化算法

差分进化算法是一种解决复杂优化问题的有效算法,但算法对使用的参数(包括缩放因子F[0,2]及交叉因子CR[0,1])相当敏感,不适当的算法参数的选择很大程度地影响着算法的性能。因此本文介绍几种算法参数的随机选取策略,不但可以减少对算法参数的敏感,而且简化了差分进化算法:
阅读全文 >

种子优化算法

种子优化算法(Seed Optimization Algorithm,SOA)是受自然界种子传播方式的启发提出的一种进化算法,通过模拟植物生存的自适应现象,逐代进化,寻找最优结果,解决复杂的优化计算问题。有点类似于分段式进化策略
阅读全文 >

现代水文学发展方向和基础方法思考

随着经济社会的发展,水文学无论是研究对象和服务对象均发生了深刻演变,水文基础理论、变化环境下的水文响应及其规律、水文循环系统边界问题、水文预测与预报以及水文观测和实验新技术成为现代水文学研究的重点。现代水文学的基本方法也必须相应进行创新,在思维方法要强化整体论的指导,在逻辑方法上实现归纳与演绎推理的综合与突破、在描述方法上实现集总式与分布式的统一、在分析方法上实现物理认知与数学描述的协同。
阅读全文 >

细菌觅食算法

细菌觅食算法(Bacterial Foraging Algorithm,BFA)[亦有称为细菌觅食优化算法(Bacterial Foraging Optimization algorithm,BFO||BFOA)]由K.M.Passino于2002年基于Ecoli大肠杆菌在人体肠道内吞噬食物的行为,提出的一种新型仿生类算法。该算法因具有群体智能算法并行搜索、易跳出局部极小值等优点,成为生物启发式计算研究领域的又一热点。
阅读全文 >

含边界变异的粒子群优化算法

标准PSO中,当某个粒子在搜索过程中飞出可行域时,通常的处理方式是使该粒子的位置处于边界上,即采用策略:
where (X > Xmax) X = Xmax
where (X < Xmin) X = Xmin

这样做的缺点是,如果边界附近存在着局部最优,很容易使粒子陷入局部最优点,从而产生停滞。
阅读全文 >

混合蛙跳算法

混合蛙跳算法(Shufled Frog Leaping Algorithm,SFLA)是2000年由Eusuf和Lansey提出的一种基于群体智能的后启发式计算技术(亦有称混洗蛙跳算法)。混合蛙跳算法(SFLA)是一种受自然生物模仿启示而产生的基于群体的协同搜索方法。这种算法模拟青蛙群体寻找食物时,按族群分类进行思想传递的过程,将全局信息交换和局部深度搜索相结合,局部搜索使得思想在局部个体间传递,混合策略使得局部间的思想得到交换。
阅读全文 >

社会认知优化算法

社会认知优化算法(Social Cognitive Optimization,SCO)是一种基于社会认知理论的集群智能优化算法

基本概念

知识点:知识点是位于知识空间(例如搜索空间S)中对位置X和水平(例如适应度)的描述构成的点。
阅读全文 >