共查询到20条相似文献，搜索用时 15 毫秒
1.
细菌觅食算法在求解水库优化调度问题时,以固定的步长进行趋向操作,同时以固定概率对细菌个体进行随机驱散操作,虽然可以一定程度上增加种群多样性,但是在进化后期容易使优秀的个体流失,影响算法的寻优质量。针对该问题,文章提出步长自适应调整和驱散概率自适应调整两项改进策略,根据算法进化程度和细菌个体的能量值动态调整趋向操作的步长和驱散操作的概率,使算法进化过程中尽量保证种群多样性的基础上,提高细菌个体的觅食能力,进一步促进算法达到局部搜索和全局优化之间的平衡。将改进的细菌觅食算法应用于乌江梯级水库群的联合优化调度问题,模拟结果表明:改进细菌觅食算法具有较强的全局寻优能力,适合求解梯级水库联合优化调度问题。 相似文献
2.
本文主要研究对象是变风量空调机组中的送风管道静压控制回路,将具有良好全局寻优能力的细菌觅食算法应用到该控制回路中,同时为了改善细菌觅食算法收敛速度较慢的缺点,将粒子群算法引入到细菌觅食算法中,对细菌觅食算法中的细菌位置更新进行优化,并利用优化后的细菌觅食算法对PID控制器的三个参数进行整定,将整定后的参数应用到控制回路中。通过matlab仿真,并将细菌觅食算法、粒子群算法,粒子群优化的细菌觅食算法进行比较,结果表明经过粒子群优化的细菌觅食算法收敛速度明显加快。 相似文献
3.
4.
5.
6.
7.
前馈神经网在智能控制设计训练中收敛速度慢、易陷入局部极值,且对初始权值依赖性。为此提出一种基于超维无限折叠反转迭代混沌的蛙跳群优化算法,训练前馈神经网络参数,进行全局优化智能控制设计。算法在充分利用BP算法的误差反传信息和梯度信息的基础上,引入基于超维无限折叠反转迭代混沌的概念,结合混合蛙跳群仿生算法,将混沌蛙跳群作为全局搜索器,以梯度下降信息作为局部搜索器来调整智能控制网络的权值和阈值,实现全局寻优和空间智能搜索。实验和算法对比结果表明,新的人工神经网络智能控制算法在均方差、泛化均方差等指标上较传统算法具有明显优势。改进算法特别适合人工智能控制模型设计与预测建模,具有较高的预测精度和泛化能力,稳健性好,具有较好的全局优化自适应控制能力。 相似文献
8.
9.
针对数据库多连接查询优化问题,提出一种基于遗传禁忌算法的数据库多连接查询优化策略。把遗传算法作为查询优化的主框架,禁忌搜索作为遗传算法的变异算子,增加种群多样性,克服遗传算法收敛慢、局部搜索能力差等缺陷。仿真结果表明,遗传禁忌算法加快了求解数据库多连接查询优化问题的速度,而且提高了查询优化效率,得到较满意的查询优化结果。 相似文献
10.
蛙跳算法是一种启发式的智能算法,在优化问题中具有广泛的应用,针对该算法求解精度低,收敛速度慢,容易陷入局部的缺点,从4个方面提出了改进:(1)引入Tent混沌来改进蛙跳的种群初始化;(2)通过最大化搜索策略提高局部搜索;(3)最差个体中引入柯西因子进行优化;(4)采用模式搜索来优化最优个体.通过5个测试函数说明本文的算法能够有效的提高算法的性能. 相似文献
11.
12.
13.
为了最大限度优化云计算资源分配中的执行速度,平均响应时间和系统利用率,提出一种基于高斯差分变异蝙蝠算法(GDMBA)的云计算资源调度优化方法。首先引入高斯差分变异改进蝙蝠算法,避免蝙蝠个体陷入局部最优,改进后的算法加快了收敛速度,提高了收敛精度,然后采用GDMBA对资源调度进行寻优。仿真实验表明,GDMBA有效提高了算法性能,在云计算的资源调度中有效优化了云计算系统中的资源调度能力,提高了云计算资源的利用率。 相似文献
14.
变异遗传散布控制执行算子的数据库分类查询 总被引：1，自引：0，他引：1
为提高数据查询的寻优能力和查询准确度,对数据库查询进行优化改进。提出一种新型的变异遗传散布控制执行算子数据库分类查询算法。设计遗传散布执行算子,实现对遗传算法数据库查询中的迭代控制,通过定义数据库查询散布值,通过对数据文本的最佳特征提取,通过散布分类查询系数的控制遗传迭代循环,对遗传算法的变异处理,实现最优数据信息相关匹配,可以很好地指导数据查询结果,实现数据库查询的准确性和有效性。仿真实验表明,新算法可以提高半连接下分布式数据库查询的效率,特征呈现高聚敛性匹配,数据查询特征相关匹配度达到97.3%,比传统算法提高了25.6%,寻优时间较传统算法大幅缩短。算法有效提高了数据库查询准确率和效率,具有较强的应用价值。 相似文献
15.
《科技通报》2015,(10)
通过挖掘生物信息大数据,从生物信息大数据库中提取感兴趣的数据特征,分析生物信息大数据集的细节结构,提高对生物信息的采集、处理、存储、传播,分析能力。传统的生物信息大数据挖掘模型采用基于小波多窗谱提取的生物信息挖掘算法,由于生物特征的属性权重需求各异,数据挖掘精度不高,提出一种基于梯度采样局部收敛的生物信息大数据挖掘模型。首先构建生物信息大数据库模型和生物信息特征挖掘实体模型,采用提取采样局部收敛方法实现对数据挖掘模型的改进,通过求解最优输入控制序列以及索引系统最优目标函数,实现系统的控制输入和预测,使用梯度采样局部收敛的方法进行生物信息大数据挖掘检测,得到生物信息大数据的梯度采样局部收敛属性集合。仿真结果表明,能实时准确地实现对生物信息的储存、检索和分析,提高数据挖掘能力,收敛精度较高。 相似文献
16.
在CStor云数据库访问中,细粒度云存储数据的信息特征存在个体较大差异,访问路径产生多频偏移,数据访问调度性能受限。传统方法中采用PSO局部搜索方法进行访问路径修正,搜索效率低,个体更新较慢。提出一种基于细粒度云存储数据迭代恢复匹配的云数据库访问路径偏移修正算法,以PSO多信息融合Pareto支配集为指导,构建多信息融合细粒度数据的主特征模型,采用迭代恢复匹配方法增加了局部搜索提高搜索到全局最优解的几率,实现路径偏移修正。仿真实验采用3组测试集对CStor云数据库进行访问调度和路径偏移修正,结果表明采用该算法,实现对访问路径的动态实时修正,收敛距离较小,提高了CStor云数据库访问和数据挖掘性能。 相似文献
17.
随着大数据信息技术的发展,数据在线监测和数据挖掘成为计算机信息领域研究的热点。通过对Web热点数据分割挖掘,提高信息热点追踪和Web数据分类能力。传统算法采用非结构化数据挖掘算法,无法有效对Web热点数据进行准确定位和分层挖掘。提出一种基于半结构化分割的Web热点数据挖掘算法。采用半结构化数据进行特征分割,基于优秀基因位进行差分进化,使寻优曲线不断趋于平缓,在多个节点上并行的运行比较脚本,采用半结构化分割,使得Web热点特征挖掘实现自适应寻优,得到Web热点数据的分配因子,提高了挖掘性能。仿真结果表明,该算法获得了良好的效率和精度,提高了Web热点数据挖掘的自适应寻优能力。 相似文献
18.
依据NICE网络协议组织网络节点,提出一种分层覆盖网络组播树模型,其基于K-Mediods和遗传算法对组播服务节点MSNs选择,构建覆盖网络分层组播树。根据覆盖网络中组播服务节点的特点,引入基因差异控制和变异精英控制策略。对遗传算法中的交叉和变异算子进行修正,限制适应度差的个体生成,在缩小搜索空间、加快收敛速度的同时,提高算法的全局寻优能力。理论分析和仿真结果也表明,该模型不仅有效克服了传统K-Mediods算法模型易陷入局部极小值的特点,而且明显避免了对初始中心选值敏感的问题。 相似文献
19.
研究高效进行数据聚类,提高数据聚类能力的问题。传统的模糊C均值算法具有对初始值和噪声极为敏感和遗传算法在局部极值点收敛的缺陷。基于模糊c均值聚类算法,提出一种改进的优化聚类算法。利用混沌序列的均匀遍历特性和差分进化算法的高效全局搜索能力,对模糊c均值算法进行改进,利用Logistics混沌映射对聚类算法进行优化搜索,把混沌扰动量引入到进化种群当中,弥补了模糊C均值算法的缺陷。采用改进的Logistics映射扰动搜索聚类算法,以目标识别为案例,综合4类目标特征参数为研究对象,开发了一套有价值的目标识别专家系统软件。仿真实验表明,改进的数据聚类算法,具有优越的数据聚类性能,聚类判断准确率提高明显,设计的专家系统软件对目标识别特征分类具有较好的准确性和可靠性,具有一定的应用价值。 相似文献