针对从自然界中杂草的生长繁殖特性演化而来的新型智能优化算法―扩张性杂草进化算法,通过马尔可夫链,分析证明了它的全局收敛性。相比其他启发式算法,其最大优点是基于种群中优秀的个体有指导地进行搜索,且算法中子代个体按正态分布的方式分布于父代个体周围,在进化过程中通过动态调整此正态分布的标准差,使算法在早期与中期充分保持群落的多样性,较其他启发式算法更容易保证对解空间的全面搜索。而在算法的后期加强对优秀个体周围的局部搜索,从而保证算法能够稳健地收敛到全局最优解。典型的复杂机械优化设计算例结果表明,该算法在优化过程
2022-06-01 15:07:17
321KB
1
在IWO算法的基础上加入遗传算法的交叉和变异操作，利于快速收敛到最优解。将遗传算子应用于所有生成的种子，可以有效地避免算法陷入局部最优解。
2022-05-13 12:06:16
3KB
【WSN布局】基于差分进化策略结合杂草算法实现WSN节点优化部署matlab源码
2022-02-12 16:14:59
6KB
1
入侵杂草算法的matlab实现代码，模拟自然界农田中杂草的正态扩散过程，实现最优化，与遗传算法、模拟退火算法、粒子群算法属于相同分类。
2021-09-20 16:26:03
1KB
1
本文算法为了求解网络入侵检测问题，主要使用有监督的Kohonen神经网络。有监督Kohonen神经网络的网络结构为38-36-5，网络训练结果受权值影响相当大。在算法初期，本文引入杂草算法对Kohonen网络进行权值寻优，目标评价以最小误差作为函数。
2021-05-12 15:40:22
91KB
1