为提高多元宇宙优化算法(MVO)的全局探索和局部开采性能,提出一种耦合横纵向个体更新策略的改进MVO算法(IMVO).横向更新策略是建立在宇宙种群层级的一种水平迁移进化机制,通过引入加权学习因子保证子代个体同时向多个父代宇宙继承位置信息,以改善种群的个体多样性和算法全局探索性能,适定性修正虫洞存在概率表达以保证种群个体间的充分信息交互;纵向更新策略是基于宇宙个体层级的一种纵向自我学习进化机制,根据最优宇宙历史信息,通过模拟认知的历史遗忘记忆特性实现记忆均值邻域的再开采,以增强算法局部开采性能.最后通过数值实验验证不同加权学习因子函数对算法性能的差异性影响,改进算法的优化性能和算法稳健性等.
2022-07-10 02:06:16
297KB
1
【目录】
1、启发式对话系统
2、启发式对话系统中的知识
3、启发式对话管理
2022-07-09 21:07:22
846KB
NLNS+VND 元启发式算法：
可以解决以下几类问题：
（基于站的和自由浮动的）自行车共享系统中的静态完全再平衡问题。
（对称）旅行商问题（STSP）
多旅行商问题 (mTSP)
1 商品提货配送旅行商问题（1-PDTSP）
带时间窗的旅行推销员问题 (TSPTW)
容量车辆路径问题 (CVRP)
带时间窗的容量车辆路径问题 (CVRPTW)
2022-06-10 09:06:39
17KB
目前实现了以下算法：
模拟退火 (SA)
遗传算法 (GA)
蚁群优化 (ACO)
禁忌搜索 (TS)
进化策略 (ES)（仅限连续）
粒子群优化 (PSO)（仅限连续）
所有算法都是为了找到最小值而实现的。
2022-06-05 12:03:47
71KB