![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
进化计算
love-study
好好学习,天天向上
展开
-
学习笔记--处理图像分类问题的基于粒子群优化的灵活卷积自动编码(pso-FCAE)
博主日常整理的翻译,欢迎感兴趣的打工仔一块学习讨论。英文原文:A Particle Swarm Optimization-Based Flexible Convolutional Autoencoder for Image Classification. Yanan Sun, Bing Xue, Mengjie Zhang, and Gary G. Yen. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, VOL. 30, NO. 8,原创 2020-11-04 17:48:15 · 3314 阅读 · 0 评论 -
学习笔记--具有多种搜索策略的人工蜂群算法(MuABC)
具有多种搜索策略的人工蜂群算法(MuABC)摘要:考虑到人工蜂群算法(ABC)的解的搜索方程在探索方面做得好,但在开发方面比较差,因此会导致收敛慢.这篇文章研究了ABC的性能能否通过组合具有不同优势的搜索策略得到改善。基于以上想法,我们提出了一个多种策略的新ABC算法—MuABC.算法MuABC使用了三种搜索策略组成一个策略候选池。为了进一步提高算法的性能,用一个自适应的选择机制来选择合适的搜索...原创 2020-07-21 16:07:29 · 1053 阅读 · 1 评论 -
学习总结——基础优化算法学习
除了学习,总结也很重要,不总结的学习就像缺了光照的树苗,很难茁壮成长,而且学了这段时间总觉得自己没有一点系统的认识。博主今天停下来想一想,并对最近这段时间以来的学习进行一个总结归纳,方便自己学习多照和发现不足,弥补不足。最近学习了这些基础的优化算法,归纳总结如下:***1.DE算法:***差分进化算法,分别进行变异,交叉和选择进行优化。***2.PSO算法:***粒子群优化。通过速度和位置使...原创 2020-07-22 12:22:53 · 991 阅读 · 0 评论 -
自适应网格搜索的多目标粒子群优化(MOPSO)
此博客中对文档的翻译为博主自己学习时意译的,仅用于学习用途,如有侵权请联系博主删除。如果有不足的地方,欢迎大家评论指出,与博主共同学习。MOPSO对多目标粒子群优化的一个小建议这篇文章提出了一个建议是扩展粒子群优化的启发式从而处理多目标优化问题。我们使用了帕累托支配的概念来决定粒子迁移的方向。并且还维持了先前找到的全局非支配向量,最后被其他粒子用来指导他们的迁移。介绍背景介绍粒子群介绍...原创 2020-10-19 15:14:42 · 9239 阅读 · 4 评论 -
一个改进的粒子群优化算法(pso)
一个改进的粒子群优化算法(pso)这篇文章介绍了一个新参数,叫做固有(惯性)权重,将其引入到原始的粒子群优化算子中。仿真结果说明了这个在粒子群优化中新参数的重要影响。每个粒子是一个D维空间中的点Xi代表第i个粒子,Pi记录当前任意粒子的最好的位置,g表示所有粒子中的最好粒子粒子i位置的改变用Vi表示于是得到如下等式:V(i,d) = V(i,d)+c1rand()(P(i,d)-X(i...原创 2020-07-22 12:18:52 · 4155 阅读 · 10 评论 -
JADE:带有可选择外部存档的自适应差分进化
JADE--一个新的差分进化算法,通过实行一个新的带有可选择外部存档的变异策略DE/current-to-pbest(新的贪婪选择方法)并在自适应行为中更新控制参数来提高优化性能。可选择存档操作利用历史数据来提供进化方向的信息。操作既增加多样性有提高收敛性。参数自适应自动更新自动更新控制参数到合适的值,并且避免了使用者需要知道在参数设置和优化问题特征之间关系的先导知识。因此,有助于提高算法的鲁棒性。带有外部存档JADE对很高维的问题相当具有前景。原创 2020-07-22 12:17:45 · 2145 阅读 · 11 评论 -
学习笔记--一个自管理(组织)的多目标进化算法(SMEA)
在温和条件下,一个连续m维目标的优化问题的帕累托前沿(解集)可以形成一个(m-1)维的分段连续流形。基于这个性质,这篇文章提出了一个自管理(组织)的多目标进化算法。在每代中,一个带有(m-1)个潜在变量的自组织映射方法被用来建立当前解之间的邻域关系。一个解仅允许和它附近的解交配来产生新的解。为了降低计算代价,用一个可选择的方法(交替进行)管理自组织训练步骤和进化步骤。换句话说,在每一代中,只执行一个自组织训练的步骤。原创 2020-10-10 20:16:10 · 1285 阅读 · 0 评论 -
基于指标选择的多目标搜索(IBEA)
这篇文章讨论了决策者的偏好信息通常是如何能整合到多目标搜索中的。主要的思想是:首先是用二元性能指标的形式定义最优目标,然后在选择过程中直接使用这个指标。鉴于此,我们提出了一个通用的,能与任何指标结合的基于指标的进化算法。与现存算法明显不同的是,IBEA能适应使用者的偏好并且不需要额外的多样性保留机制(例如曾被使用的适应度分享)。原创 2020-10-10 20:16:51 · 1912 阅读 · 0 评论 -
学习笔记--基于范围选择的进化多目标优化(PESA-II)
基于范围选择的进化多目标优化PASA-II摘要:这篇文章对进化多目标优化算法提出了一个新的选择技术—目标空间中的选择单元是一个超长方体。在这项技术中,与给每个个体分配一个选择适应度不同的是,适应度值被分配给被当前至少一个接近帕累托前沿的个体占据的当前目标空间中的超长方体。然后从这块空间中随机选择个体作为结果。第二部分简要介绍现代进化多目标算法中的选择方案以及基于区域选择的概念。第三部分算法测试...原创 2020-10-16 15:43:52 · 2082 阅读 · 0 评论