2024年8月21日
星期三
|
欢迎来到维普•公共文化服务平台
登录
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
周建龙
作品数:
1
被引量:15
H指数:1
供职机构:
西安交通大学城市学院
更多>>
发文基金:
陕西省自然科学基金
国家自然科学基金
广东省自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
陶铭
东莞理工学院计算机学院
魏文红
东莞理工学院计算机学院
袁华强
东莞理工学院计算机学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
收敛性
1篇
进化算法
1篇
差分
1篇
差分进化
1篇
差分进化算法
机构
1篇
东莞理工学院
1篇
西安交通大学
作者
1篇
袁华强
1篇
魏文红
1篇
陶铭
1篇
周建龙
传媒
1篇
电子学报
年份
1篇
2016
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
一种基于反向学习的约束差分进化算法
被引量:15
2016年
差分进化算法是一种结构简单、易用且鲁棒性强的全局搜索启发式优化算法,它可以结合约束处理技术来解决约束优化问题.机器学习在进化算法中,经常可以引导种群的进化,而且被广泛地应用于无约束的差分进化算法中,但对于约束差分进化算法却很少有应用.针对这一情况,提出了一种基于反向学习的约束差分进化算法框架.该算法框架采用基于反向学习的机器学习方法,提高约束差分进化算法的多样性和加速全局收敛速度.最后把该算法框架植入了两个著名的约束差分进化算法:(μ+λ)-CDE和ECHT,并采用CEC 2010的18个Benchmark函数进行了实验评估,实验结果表明:与(μ+λ)-CDE和ECHT相比,植入后的算法具有更强的全局搜索能力、更快的收敛速度和更高的收敛精度.
魏文红
周建龙
陶铭
袁华强
关键词:
差分进化
收敛性
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张