函数优化
函数优化的相关文献在1990年到2022年内共计950篇,主要集中在自动化技术、计算机技术、数学、电工技术
等领域,其中期刊论文834篇、会议论文47篇、专利文献111908篇;相关期刊306种,包括系统工程与电子技术、计算机仿真、计算机工程等;
相关会议42种,包括第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)、第32届中国数据库学术会议、第十七届二氧化硫氮氧化物、汞污染防治技术暨细颗粒物(PM2.5)控制与监测技术研讨会等;函数优化的相关文献由1947位作者贡献,包括周永权、熊伟清、马良等。
函数优化—发文量
专利文献>
论文:111908篇
占比:99.22%
总计:112789篇
函数优化
-研究学者
- 周永权
- 熊伟清
- 马良
- 李元香
- 黄光球
- 刘升
- 陆秋琴
- 康立山
- 赵齐辉
- 魏平
- 黎明
- 张达敏
- 何庆
- 徐耀群
- 王鹏
- 赵志刚
- 郑波尽
- 钱谦
- 马卫
- 刘勇
- 叶春明
- 吕文阁
- 周晖
- 温泰
- 焦李成
- 莫海淼
- 辛海涛
- 郑洪清
- 黄焱
- 龚文引
- 任伟建
- 刘长平
- 吴志健
- 吴漫川
- 张伟
- 张俞
- 张湘伟
- 张纪会
- 张雯雰
- 李智梅
- 李煜
- 李绍军
- 王煦法
- 王艳娇
- 罗文坚
- 苏宏升
- 贺春华
- 赵辉
- 邹秀芬
- 郭德龙
-
-
秦维娜;
张达敏;
尹德鑫;
蔡朋宸
-
-
摘要:
针对海鸥算法(SOA)在求解最优化问题中的不足和算法性能依赖于参数的选取等缺点,提出一种基于惯性权重的海鸥优化算法(Inertia Seagull optimization algorithm, I-SOA),采用非线性递减的惯性权重计算附加变量A的值来调整的海鸥的位置,通过莱维飞行和随机指数值增加海鸥飞行的随机性,增强算法搜索寻优的全局能力,避免算法寻优搜索陷入局部优值;通过12个基准测试函数将I-SOA与标准PSO,SOA,GA算法进行测试比较.实验对比结果表明,所提出的I-SOA优化算法具有较快的收敛速度、较高的求解精度和全局收敛能力.
-
-
李宗正;
周恺卿;
欧云;
丁雷
-
-
摘要:
针对人工鱼群算法(AFSA)不能完美地平衡局部寻优与全局寻优,且缺乏跳出局部最优能力等问题,提出了一种基于基因交换的自适应人工鱼群算法(AAFSA-GE)。首先利用自适应的视野和步长提高搜索的速度及精度,然后利用混乱行为和基因交换行为增强跳出局部最优的能力并提高搜索效率。为了证明算法的有效性,在实验中使用了10种经典的测试函数将所提算法与规范鱼群算法(NFSA)、基于扩展记忆粒子群优化算法的人工鱼群算法(PSOEMFSA)、综合改进人工鱼群算法(CIAFSA)等改进鱼群算法进行了比较。实验结果表明,AAFSA-GE较PSOEM-FSA、CIAFSA具有更优秀局部寻优能力和全局寻优能力,较NFSA具有更高的搜索效率以及更好的全局寻优能力。
-
-
张大力;
夏红伟;
张朝兴;
马广程;
王常虹
-
-
摘要:
萤火虫算法因具有结构简单、控制参数少、易于实现的特点而得到广泛的关注和应用,但其易陷入局部最优导致过早收敛,从而影响寻优精度。针对这一问题,本文在位置更新规则中加入随机扰动因子,并剔除了冗余的随机项,以提高算法搜索能力;引入位置置换变异和差分进化算法中的最优变异策略,在保持种群多样性的同时,增强算法跳出局部最优的能力。采用马尔可夫过程证明了算法以概率1收敛到全局最优。利用基准函数和装箱问题对算法进行仿真测试,结果表明,改进后的算法能够有效跳出局部最优,对给出的所有问题均能找到理论最优解,寻优精度和成功率有明显提升。
-
-
张小萍;
谭欢
-
-
摘要:
针对基本蝴蝶优化算法迭代速度慢,容易陷入局部最优解的问题,提出一种具有动态方差高斯变异的蝴蝶优化算法.首先引入线性函数的动态切换概率来平衡迭代过程中全局搜索和局部搜索的相对比例,其次利用动态方差高斯变异改进了全局搜索和局部搜索的公式,有利于加快算法的收敛速度,跳出局部最优解,在迭代后期提高寻优的精度.使用了6个基准函数进行仿真实验,实验数据对比发现,提出的算法比其他五种算法具有更好的寻优效果和更强的稳定性.
-
-
郑洪清;
谢聪;
周永权
-
-
摘要:
针对基本樽海鞘群算法(Salp Swarm Algorithm,SSA)在求解复杂函数时存在求解精度差和易陷入局部最优等缺陷,提出一种改进的樽海鞘群算法(Improved Salp Swarm Algorithm,ISSA)。首先,在领导者位置引入随机维度以拓展种群多样性;其次,改变追随者方式,即在算法前期以较大概率执行差分进化操作,进一步增强种群多样性,在算法后期较大概率执行黄金正弦算法,较好地平衡了算法的全局搜索和局部勘探能力。通过23个基准函数测试表明,本研究改进算法在收敛速度、计算精度和稳定性方面优于基本樽海鞘群算法和黄金正弦算法(Golden Sine Algorithm,Gold-SA),同时与其他改进樽海鞘群算法相比,该算法也具有一定优势。
-
-
李茹;
范冰冰
-
-
摘要:
针对原始鲸鱼优化算法(WOA)收敛速度慢、全局搜索能力弱、求解精度低且易陷入局部最优等问题,提出一种混合策略来改进的鲸鱼优化算法(LGWOA)。首先将莱维飞行引入鲸鱼全局搜索的公式中,通过莱维飞行加大全局搜索步长,扩大搜索空间、提高全局搜索能力;其次,在鲸鱼螺旋上升阶段,加入一个自适应权重参数来提高算法的局部搜索能力和求解精度;最后结合遗传算法的交叉变异思想平衡算法的全局搜索和局部搜索能力,维持种群的多样性,规避陷入局部最优。通过对12个基准测试函数从2个角度进行实验对比分析,结果表明,基于混合策略改进的鲸鱼优化算法在收敛速度和求解精度上均有明显提升。
-
-
陈忠云;
张达敏;
辛梓芸
-
-
摘要:
针对樽海鞘群算法求解精度不高和收敛速度慢等缺点,提出一种多子群的共生非均匀高斯变异樽海鞘群算法.根据不同适应度值将樽海鞘链群分为三个子种群,各个子种群分别进行领导者位置更新、追随者共生策略和链尾者非均匀高斯变异等操作.使用统计分析、收敛速度分析、Wilcoxon检验、经典基准函数和CEC 2014函数的标准差来评估改进樽海鞘群算法的效率.结果表明,改进算法具有更好的寻优精度和收敛速度.尤其在求解高维和多峰测试函数上,改进算法拥有更好性能.
-
-
王剑;
王冰;
葛孟珂
-
-
摘要:
提出基于反向学习的人工蜂群算法(简称OABC算法).在人工蜂群算法的跟随蜂阶段,种群依概率进行反向学习代替跟随蜂搜索方案.保留标准人工蜂群算法中雇佣蜂和侦察蜂阶段以保证种群的探索能力以及种群的多样性,增设参数控制一般的反向学习过程中对位搜索范围,充分利用种群信息和个体信息优化种群,提高对位点的有效性,从而提高反向学习的成功率.仿真实验结果表明,OABC算法有效提升了算法寻优速度和收敛精度.
-
-
刘晨旻;
王亚刚
-
-
摘要:
针对萤火虫算法在全局寻优过程中求解精度差,且容易陷入局部最优的问题,文中提出了一种优化的萤火虫算法。采用离散-连续的方法将传统萤火虫算法的空间连续化,在传统萤火虫算法的基础上定义新的吸引度计算式以及相应的更新策略,实现待求的离散问题的空间连续化,改善萤火虫单体相应的移动方式。实验仿真结果证明了该改进算法的有效性。文中对改进的萤火虫算法及其适用范围作了总结,并指出了今后研究方向。
-
-
宋长新;
马克
-
-
摘要:
蝗虫算法(Grasshopper optimization algorithm,GOA),是一种以蝗虫群体行为为理论基础的新群智能算法,其性能优越,但仍然存在求解精度不高,收敛速度慢,陷入局部最优的不足。为了提高蝗虫算法的求解精度和收敛速度,减低其搜索盲目性,提出了一种基于差分进化改进的蝗虫优化算法(DE-GOA)。在蝗虫算法的迭代后期,加入差分进化策略增加种群多样性,提高整个算法的全局寻优能力。最后将改进的差分进化蝗虫算法与基本蝗虫算法GOA,PSO算法,GA算法,FPA算法,FA算法,BA算法在11个标准测试函数进行寻优实验对比,实验结果表明DE-GOA算法相比其他算法具有明显的优势。
-
-
HUANG Guang-qiu;
黄光球;
XU Xiao-long;
徐晓龙;
LU Qiu-qin;
陆秋琴
- 《2013年全国理论计算机科学学术年会》
| 2013年
-
摘要:
为了解决某些函数优化问题,基于具有脉冲毒素输入的生态毒理动力学模型提出了可全局收敛的函数优化算法.在该算法中,令环境系统与优化问题的搜索空间相对应,该环境系统存在污染现象,污染源定期地向环境系统注入有毒污染物.有多种不同类型的种群生活在该环境系统中,不同类型的种群之间存在竞争关系和捕食-被捕食关系,每个种群对应着优化问题的一个试探解.将生态毒理动力学模型映射成对种群的特征的变化规律的描述,利用环境和种群以及种群与种群之间的相互作用构造种群的进化算子,这些算子从多种角度实现了种群与环境以及种群与种群之间的信息交换.结果表明:因环境污染影响的是种群的很少部分特征,当种群演化时,只涉及到很少一部分特征参与运算,故收敛速度可得到提升;环境系统脉冲式注入毒素,可以导致种群的特征状态值发生突然改变,这种特点有利于使搜索跳出局部最优解陷阱;使能够抵抗污染的强壮种群获得生长,而无法抵抗污染的虚弱种群则停止生长,此特点确保了该算法具有全局收敛性.测试结果表明:对某些函数优化问题的求解,本算法与已有的群智能优化算法相比,均具有较高的精度和性能.
-
-
-
MA Jian-Song;
马建松;
WANG Xiao-Ling;
王晓玲;
JIN Che-Qing;
金澈清
- 《第32届中国数据库学术会议》
| 2015年
-
摘要:
随着互联网用户数量的不断增长,互联网应用逐渐进入了大数据时代.如何存储和分析这些大数据成为了互联网应用中的难题.融合数据存储和数据分析的内数据库分析(In-Database Analytics)技术,受到了越来越多企业和研究者的关注.Window(窗口)函数作为关系数据库领域中内数据库分析技术的一种解决方案,其精妙的语义特征使其能代替自连接(Self Join)和相关于查询(sub Queries)等完成传统复杂查询功能,现已被广泛应用到互联网应用的数据管理和分析中.在目前互联网应用步入大数据时代的背景下,针对高吞吐和实时响应等需求,已有的Window(窗口)函数的处理性能已经出现了瓶颈.本文基于PostgreSQL数据库中原有MAX/MIN Window(窗口)函数执行框架,提出了一种基于临时窗口的专门针对MAX/MIN函数优化的方法,来优化SQL Window查询针对MAX/MIN函数的处理,并给出了查询代价的分析模型,从理论上证明了该算法的性能.通过与现有商业数据库SQLServer进行性能上的对比,验证了该方案的有效性.
-
-
-
LIANG Bing;
梁冰;
XU Hua;
徐华
- 《第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)》
| 2017年
-
摘要:
针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.
-
-
LIANG Bing;
梁冰;
XU Hua;
徐华
- 《第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)》
| 2017年
-
摘要:
针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.
-
-
LIANG Bing;
梁冰;
XU Hua;
徐华
- 《第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)》
| 2017年
-
摘要:
针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.
-
-
LIANG Bing;
梁冰;
XU Hua;
徐华
- 《第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)》
| 2017年
-
摘要:
针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.
-
-