基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
反向微分进化( ODE)算法基于反向优化对种群进行初始化更新以保持种群多样性。但该算法中反向个体容易偏离全局最优个体,不能很快达到全局最优,在函数优化过程中收敛速度慢且容易陷入局部最优。为此,提出一种基于M-H采样的快速反向微分进化算法。 M-H采样用于ODE算法的变异操作,满足马尔可夫链可逆条件。马尔可夫链的一步转移概率根据个体等级分配的选择概率进行计算,既能选择最优个体,又能寻找优化方向并保持种群多样性。仿真结果表明,M-H采样得到的个体具有马尔可夫链平稳分布特性,该算法在单峰函数和多峰函数优化中都能快速收敛,全局和局部搜索性能达到平衡,具有较高的搜索精度及较好的鲁棒性。
推荐文章
基于微分进化的 CMAC的束流中心轨道自动校正算法研究
微分进化
小脑模型神经网络
电子加速器
微分进化算法的优化研究及其在聚类分析中的应用
微分进化算法
粒子群算法
主成分分析
聚类分析
K-均值聚类算法
改进自适应微分进化算法求解全局优化问题
微分进化
全局优化
控制参数自适应
收敛速度
鲁棒性
基于微分进化算法的室内移动机器人路径规划
移动机器人
路径规划
机器人操作系统
A*算法
微分进化算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于M-H采样的快速反向微分进化算法
来源期刊 计算机工程 学科 工学
关键词 微分进化算法 反向微分进化算法 转移概率 平稳分布 马尔可夫链蒙特卡洛 反向学习
年,卷(期) 2014,(11) 所属期刊栏目 ?人工智能及识别技术?
研究方向 页码范围 155-159,166
页数 6页 分类号 TP301.6
字数 4992字 语种 中文
DOI 10.3969/j.issn.1000-3428.2014.11.031
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 葛洪伟 江南大学物联网工程学院 86 456 11.0 17.0
2 杨金龙 江南大学物联网工程学院 28 103 7.0 8.0
3 袁运浩 江南大学物联网工程学院 9 28 4.0 5.0
4 涂维维 江南大学物联网工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (27)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(3)
  • 二级参考文献(3)
2007(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(7)
  • 参考文献(1)
  • 二级参考文献(6)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
微分进化算法
反向微分进化算法
转移概率
平稳分布
马尔可夫链蒙特卡洛
反向学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导