基于混合策略改进的优化算法+基于混合策略改进的优化算法在支持向量机回归（SVR）中的应用，混合策略为Sobol序列初始化、惯性权重及柯西步长三种改进策略的混合，并已锂离子电池容量数据为例，进行测试，亲测有效。
2022-06-06 13:05:20
3.03MB
4．3常规正交噪声MIMO雷达信号
基于噪声的MIMO雷达要求设计足够数量的具有良好自相关特性的一组噪声
信号，且它们之间的互相关电平要尽可能小。白噪声的相关维无穷，则理论上可
以产生无数的正交波形，这就使得噪声成为MIMO雷达波形的候选。
采用MatlabRl4中的高斯分布的随机数发生器(利用Marsaglia算法1158J)产
生一个2陋长的噪声序列(采样率为2GHz)，如图4．1(a)所示。图4．1(b)给出了
相应的自相关函数。
2022-06-01 10:30:46
5.83MB
1
混合策略和混合策略纳什均衡
一个数值例子
3，1
博弈方2
A
B
C
D
1，5
5，2
2，3
博弈方1
2021-12-29 20:16:39
409KB
1
<html dir="ltr"><head><title></title></head><body>针对当前各种粒子群优化算法解决问题时存在的局限性, 提出一种基于混合策略自适应学习的粒子群优化算法(HLPSO). 该算法从收敛速度、跳出局部极值、探索、开发几个不同角度融合了4 种具有不同优势的变异策略,当面对不同形态的复杂问题时通过自适应学习机制选择出合适的策略来完成全局寻优. 通过对7 个标准测试函数的仿真实验并与其他算法相比较, 所得结果表明了所提出的算法具有较快的收敛速度、较高的精度以及很强的跳出局部极值的能力.</body></html>
2021-12-20 10:26:54
302KB
1
多元标定中基于变量空间连续收缩的混合变量选择策略https://doi.org/10.1016/j.aca.2019.01.022
近红外光谱多元分析中的变量选择方法概述https://doi.org/10.1016/j.trac.2019.01.018
在本研究中，我们提出了一种基于变量空间连续收缩的混合变量选择策略，这是变量组合种群分析（VCPA）的核心思想。 基于VCPA的混合策略在第一步中不断地将变量空间从大到小收缩，并在修改后的VCPA的基础上进行优化。 然后，它采用迭代保留信息变量 (IRIV) 和遗传算法 (GA) 在第二步中进行进一步优化。 它充分利用了 VCPA、GA 和 IRIV，弥补了它们在变量数量多时的不足。 三个 NIR 数据集和三个变量选择方法，包括两种广泛使用的方法（竞争性自适应重加权采样、CARS 和遗传算法-区间偏最小二乘法、GA-iPLS）和一种混
2021-11-17 14:42:38
788KB
1
针对标准WOA 算法初始种群分布不均、收敛速度较慢、全局搜索能力弱且易陷入局部最优等问题，提出一种混合策略改进的鲸鱼优化算法。首先，采用 Sobol 序列初始化种群以使初始解在解空间分布更均匀；然后，通过非线性时变因子和惯性权重平衡并提高全局搜索及局部开发能力， 并结合随机性学习策略增加迭代过程中种群的多样性； 最后，引入柯西变异提升算法跳出局部最优的能力。仿真结果表明，基于混合策略改进的鲸鱼优化算法在寻优精度及收敛速度上均有明显提升。
资源包括：matlab代码+原文献+仿真结果图
2021-06-20 21:02:12
1.16MB
借助有限策略的混合策略纳什均衡的有关理论和统计学中回归分析的方法，提出并证明了无限策略的混合策略纳什均衡的存在性定理；通过将局中人的策略集逐步划分和逼近，对无限策略的混合策略纳什均衡的求解算法进行了深入研究，给出了一种近似的迭代算法。算例结果表明，该迭代算法是有效可行的。
2021-05-31 11:34:37
45KB
1