混沌系统的参数估计本质上是多维参数的优化问题.论文结合和声搜索方法和对立学习机制提出一种混合生物地理优化算法,用以解决混沌系统的参数估计问题.利用对立学习机制增加初始群体的多样性,并引入和声搜索以增强局部寻优能力, 从而提升整体寻优性能.以典型混沌系统为例进行了未知参数估计的数值仿真,结果验证了所提出混合生物地理优化方法的有效性和鲁棒性.
2021-02-21 19:11:26
128KB
1
利用混沌思想改进的和声搜索算法
Improved Harmony Search Algorithm with Chaos
2020-01-03 11:36:15
192KB
1
HS算法解决D2D资源分配优化问题，基于和声搜索算法提出了一种集中式的联合频谱资源分配和功率控制（JRAPC）算法，针对所考虑的系统场景设计了相应的算法编码方案，通过对不可行解的处理很大程度上避免了算法陷入局部最优的问题。
2020-01-03 11:24:47
8KB
1
提出了一种利用Pareto支配来求解多目标优化问题的自适应和声搜索算法（MOSAHS）。该算法利用外部种群来保存非支配解，为了保持非支配解的多样性，提出了一种基于拥挤度的删除策略，这个策略能较好地度量个体的拥挤程度。用5个标准测试函数对其进行测试，并与其他多目标优化算法相比较。实验结果表明，与其他的算法相比，提出的算法在逼近性和均匀性两方面都有很好的表现，是一种有效的多目标和声搜索算法。
2019-12-21 21:29:53
1.84MB
1