张洪伟
- 作品数:21 被引量:65H指数:5
- 供职机构:成都信息工程大学计算机学院更多>>
- 发文基金:四川省科技攻关计划国家高技术研究发展计划国家自然科学基金更多>>
- 相关领域:自动化与计算机技术理学交通运输工程天文地球更多>>
- 基于全局人工鱼群算法的函数优化被引量:4
- 2014年
- 基本人工鱼群算法将基于鱼群行为的人工智能思想引入到解决函数优化的问题中,根据自然界中鱼类寻找食物的行为特点,推演出人工鱼的四种行为模型:随机行为、觅食行为、聚群行为、追尾行为。该算法具有对初值参数选择不敏感、鲁棒性强、简单易实现等优点。本文的全局人工鱼群算法是针对基本人工鱼群算法运算速度慢、求解精度低和容易陷入局部极值的缺陷而提出的。该算法在觅食、聚群、追尾行为中用历史全局最优人工鱼的位置和感知区域内较优位置的和向量代替感知区域内较优位置。这样不仅缩短了人工鱼向最优解移动的时间,也提高了求解最优值的精度和速度。仿真结果表明,该算法在函数优化方面的优化性能高于基本人工鱼群算法。
- 李小培张洪伟邹书蓉
- 关键词:人工鱼群算法人工智能函数优化群体智能计算机仿真
- 改进ST-GA遗传算法在多目标运输问题中的应用被引量:2
- 2009年
- 在解决多目标运输优化问题的基于生成树的遗传算法(st—GA)中融入了NSGA-Ⅱ[1]算法,提出了一种新的生成树遗传算法(NSST-GA),新算法利用NSGA-Ⅱ中的策略来保持解群体的分布性和多样性,采用精英保留和擂台法来进行遗传选择,算例结果表明新算法提高了收敛速度,防止了早熟收敛,较好的保持了种群多样性和算法的稳定性.
- 林勇张洪伟沈哲宇
- 关键词:多目标优化PARETO最优解偏序集
- 一种改进的人工鱼群聚类算法被引量:1
- 2014年
- 为了克服K-Means算法对初始类簇中心、噪声点、孤立点敏感缺点,将K-Means算法和人工鱼群算法结合,提出了改进的人工鱼群聚类算法。在该算法中将类簇中心看作一条人工鱼,让每条人工鱼执行随机、觅食、聚群、追尾行为中的一种,并将更新后的位置作为K-Means算法的初始值,不断重复人工鱼的位置更新和K-Means操作,直到算法结束。由于在算法中加入了动态移动步长和全局人最优人工鱼位置,聚类的收敛精度和速度都得到提高。使用iris和glass数据集进行聚类时,与其他算法相比,文中的收敛时间缩短2.6%,精度提高1.36%。
- 李小培张洪伟邹书蓉
- 关键词:聚类分析人工鱼群算法全局最优解
- Memetic算法及其在分类中的应用研究
- 2014年
- 群体智能优化算法Memetic算法(Memetic Algorithm,MA)采用进化算法的操作流程,引入局部搜索算子,使其在问题的求解中保证较高收敛性能的同时又能获得较高质量的解,克服了遗传算法等传统全局优化算法易"早熟"的问题,同时避免陷入局部解。在MA框架基础上,提出了全局动态适应MA算法,采用遗传算法为全局搜索算子,k-means算法为局部搜索算子。使用Java语言实现算法并对UCI中分类实验数据集进行测试,结果表明,将遗传算法和k-means结合的全局动态适应MA在分类问题中具有较高准确率。
- 吉利鹏张洪伟
- 关键词:ALGORITHM遗传算法局部搜索算法
- 免疫遗传算法及其在VRP中的应用被引量:6
- 2008年
- 物流配送车辆路径问题(VRP)是一类典型的NP问题。在基本遗传算法的基础上,根据生物的免疫系统原理,提出一种改进的算法——免疫遗传算法。在算法中构造一种基于抗体浓度的群体多样性保持策略,引入免疫算子和免疫记忆库。将该算法应用于求解VRP问题,实验结果表明算法可以实现解的多样性,避免出现早熟收敛,可以有效防止进化过程中最优解退化的可能,是求解车辆路径问题的一种有效的算法。
- 黄晓滨邹书蓉张洪伟
- 关键词:车辆路径问题免疫遗传算法免疫算子
- 基于K-means的改进差分进化聚类算法被引量:7
- 2014年
- K-means聚类算法简单,收敛速度快,但是聚类算法的结果很容易受到初始聚类种群的影响,往往导致局部最优。差分进化算法具有很强的全局收敛能力和鲁棒性,但其收敛速度较慢。为此,将K-means聚类算法和差分进化算法相结合,提出一种基于K-means的改进差分进化聚类算法。该算法设置在一定范围内随迭代次数动态增加的交叉算子,以使算法在迭代过程中先进行全局搜索,再进行局部搜索,这样有助于平衡算法的全局寻优和局部搜索能力,并且加快了算法的收敛速度。最后,通过实验测试了算法的有效性。
- 乔艳霞邹书蓉张洪伟
- 关键词:差分进化聚类K-MEANS
- Adaboost算法分类器设计及其应用被引量:13
- 2014年
- Adaboost算法可以将分类效果一般的弱分类器提升为分类效果理想的强分类器,而且不需要预先知道弱分类器的错误率上限,这样就可以应用很多分类效果不稳定的算法来作为Adaboost算法的弱分类器。由于BP神经网络算法自身存在的局限性和对训练样本进行选择的主观性,其分类精度以及扩展性有待提高。将Adaboost算法与BP神经网络相结合,使用神经网络分类模型作为Adaboost算法的弱分类器。算法在matlab中实现。对2个UCI的分类实验数据集进行实验,结果表明Adaboost能有效改善BP神经网络的不足,提高分类正确率和泛化率。
- 许剑张洪伟
- 关键词:弱分类器BP神经网络ADABOOST算法
- 改进遗传算法及其在聚类分析上的应用被引量:2
- 2009年
- 本文提出的改进遗传算法通过在选择操作前对种群进行相似性检查来保持群体多样性,解决进化种群早熟问题,提出了与相似率和迭代次数相关的变异概率公式来保持种群多样性和算法收敛性,通过在UCI的WINE和IRIS两组数据集上与c-means算法的聚类实验结果比较,证明了改进遗传算法的有效性.
- 陈锐邹书蓉张洪伟冯忠田
- 关键词:早熟相似度
- 基于预测强度的变量自动加权K-Means算法的研究与应用被引量:1
- 2016年
- 为了克服传统K-Means算法k值不能确定问题和不具备变量自动选择能力,将预测强度和变量自动加权K-Means算法相结合,提出基于预测强度的变量自动加权K-Means算法。预测强度表示聚类模型对未知数据的预测能力,预测能力越强,则聚类结果越佳,主要用于k值的确定;变量自动加权K-Means算法具有在聚类过程中自动调整变量权重的能力,对于噪声变量和冗余变量削弱其对距离的贡献,使聚类结果反映最真实的聚类结构。实验表明,算法具有较强的分类能力和预测能力。
- 盛靖友张洪伟
- 关键词:K-MEANS
- 改进的粒子群优化算法
- 2012年
- 针对粒子群优化算法易陷入局部最优并难以跳出的缺陷,提出了一种改进的算法。算法在采用自适应惯性权重基础上,引入粒子群局部收敛判断机制,对陷入局部最优的粒子采取新的进化模型以增加群体的多样性,进而降低了群体早熟收敛。通过新进化模型的粒子群优化算法对4个基准函数反复试验,仿真结果表明改进的粒子群算法具有更好的收敛精度并且可以有效避免早熟收敛问题,寻找到全局最优解。
- 闫文静邹书蓉张洪伟
- 关键词:计算机应用粒子群算法惯性权重进化模型