本文選題：混雜多變數(shù)據(jù) + 多群落��； 參考：《計(jì)算機(jī)集成制造系統(tǒng)》2017年07期

【摘要】：針對復(fù)雜優(yōu)化問題中數(shù)據(jù)混雜多變的特點(diǎn),提出一種能夠根據(jù)環(huán)境變化不斷優(yōu)化種群適應(yīng)度的多群落雙向驅(qū)動(dòng)協(xié)作搜索算法。該算法在分析微粒群落特性的基礎(chǔ)上,基于無向加權(quán)圖建立了多群落協(xié)作網(wǎng)演化模型,該模型依據(jù)群落適應(yīng)值的優(yōu)劣程度對群落類型進(jìn)行劃分,并根據(jù)不同群落間的協(xié)作權(quán)重和群落節(jié)點(diǎn)響應(yīng)度評估群落節(jié)點(diǎn)強(qiáng)度,由節(jié)點(diǎn)強(qiáng)度最大的群落引導(dǎo)整個(gè)協(xié)作網(wǎng)進(jìn)化,改進(jìn)傳統(tǒng)群集智能算法面對復(fù)雜優(yōu)化問題中環(huán)境變化的自適應(yīng)性能缺陷;構(gòu)建了一種多群落雙向驅(qū)動(dòng)的進(jìn)化新模式,給出了多群落協(xié)作的異步并行搜索算法,實(shí)現(xiàn)了不同環(huán)境下群落內(nèi)部與群落之間的并行進(jìn)化,降低了數(shù)據(jù)分析中巨大的計(jì)算時(shí)空開銷。實(shí)驗(yàn)結(jié)果表明,該方法面向混雜多變數(shù)據(jù)不斷優(yōu)化種群適應(yīng)度,能夠較快地適應(yīng)環(huán)境變化,并在可接受的時(shí)間內(nèi)得到精確解,為復(fù)雜優(yōu)化問題的求解提供了有效手段。
[Abstract]:In order to solve the complex optimization problem, a bidirectional cooperative search algorithm for multi-community is proposed, which can optimize the population fitness according to the changing environment. Based on the analysis of particle community characteristics, a multi-community cooperative network evolution model is established based on undirected weighted graph. The model is divided into community types according to the degree of community fitness. The community node strength was evaluated according to the cooperative weight and the community node response degree among different communities, and the community with the largest node strength led the whole cooperative network to evolve. This paper improves the adaptive performance of traditional cluster intelligence algorithm for complex optimization problems, constructs a new evolutionary model of bidirectional drive of multi-community, and presents an asynchronous parallel search algorithm for multi-community collaboration. The parallel evolution within and between communities is realized in different environments, and the huge computational time and space cost in data analysis is reduced. The experimental results show that this method can adapt to the environment change quickly and get the exact solution in the acceptable time, which provides an effective method for solving the complex optimization problem.
【作者單位】： 昆明理工大學(xué)機(jī)電工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51365022) 云南省教育廳科學(xué)研究基金資助項(xiàng)目(2016YJS022)~~
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 孫備;王雅琳;桂衛(wèi)華;陽春華;何明芳;;具有群活性感知的自適應(yīng)微粒群算法[J];控制理論與應(yīng)用;2016年04期

2 郭平;王可;羅阿理;薛明志;;大數(shù)據(jù)分析中的計(jì)算智能研究現(xiàn)狀與展望[J];軟件學(xué)報(bào);2015年11期

3 張世文;李智勇;林亞平;;基于生態(tài)種群捕獲競爭模型的多目標(biāo)Memetic優(yōu)化算法[J];電子學(xué)報(bào);2015年08期

4 姚成玉;王斌;陳東寧;張瑞星;;混合粒子交互微粒群算法[J];機(jī)械工程學(xué)報(bào);2015年06期

5 韓璞;袁世通;;基于大數(shù)據(jù)和雙量子粒子群算法的多變量系統(tǒng)辨識[J];中國電機(jī)工程學(xué)報(bào);2014年32期

6 吳建輝;章兢;李仁發(fā);劉朝華;;多子種群微粒群免疫算法及其在函數(shù)優(yōu)化中應(yīng)用[J];計(jì)算機(jī)研究與發(fā)展;2012年09期

7 張捷;封俊紅;;基于動(dòng)態(tài)距離閾值和重生機(jī)制的動(dòng)態(tài)微粒群優(yōu)化[J];計(jì)算機(jī)應(yīng)用研究;2009年12期

8 陰艷超;孫林夫;殷成鳳;;基于嵌入式菱形思維的參數(shù)實(shí)時(shí)評估微粒群算法[J];系統(tǒng)仿真學(xué)報(bào);2009年14期

相關(guān)博士學(xué)位論文 前1條

1 郭健;基于智能算法的非線性模型研究及預(yù)測控制[D];華中科技大學(xué);2008年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳淑鑫;孫偉民;孔嘯;;基于網(wǎng)格聚類分析LAMOST恒星光譜與理論模型的差異[J];光譜學(xué)與光譜分析;2017年06期

2 陰艷超;牛紅偉;常斌磊;王立華;;多群落雙向驅(qū)動(dòng)協(xié)作搜索算法[J];計(jì)算機(jī)集成制造系統(tǒng);2017年07期

3 孫陽;唐出賢;王東;;大數(shù)據(jù)及其科學(xué)問題與方法分析[J];信息通信;2017年04期

4 姚成玉;趙哲諭;陳東寧;檀雪云;呂世君;;有向動(dòng)態(tài)拓?fù)浠旌献饔昧ξ⒘Ｈ簝?yōu)化算法及可靠性應(yīng)用[J];機(jī)械工程學(xué)報(bào);2017年10期

5 陳f，

本文編號：2002317