将遗传规划、遗传算法和数值分析技术相结合,借助于工程岩体的变形监测,进行了工程岩体参数的等效模式智能识别,借助于获得的等效岩体参数进行了工程问题正分析,并将计算位移与监测位移进行对比分析,显示出较好的一致性。由此表明,基于实测监测信息的等效模式智能识别方法可以用于岩土工程的参数反演,为复杂岩体参数的合理选择提供一条可选的途径。
2024-03-22 23:29:28 634KB 行业研究
1
矩阵乘法的四张量幂问题的基于优势的约束优化进化算法
2023-11-06 10:42:29 291KB 研究论文
1
蜜蜂CNN模糊进化深度学习算法(人脸识别,智能优化算法,MATLAB源码分享) 在训练阶段之后,可以使用进化算法拟合深度学习权重和偏差。 这里,CNN用于对8个人脸类别进行分类。 在CNN训练之后,创建初始模糊模型以帮助学习过程。 最后,CNN网络权重(来自全连接层)使用蜜蜂算法训练,以自然启发的方式进行拟合(这里是蜜蜂的行为)。 可以将数据与任意数量的样本和类一起使用。 请记住,代码的参数是根据数据进行调整的,如果要替换数据,可能需要更改参数。 图像数据大小为64*64,2维,存储在“CNNDat”文件夹中。 因此,重要的参数如下: “numTrainFiles”=您必须根据每个类中的样本数量来更改它。 例如,如果每个类有120个样本,那么90个就足够好了,因为90个样本用于训练,而其他样本用于测试。 “imageInputLayer”=图像数据的大小,如[64 64 1] “fullyConnectedLayer(完全连接层)”=类的数量,如(8) “MaxEpochs”=越多越好,计算运行时间越长,如405。 “ClusNum”=模糊C均值(FCM)聚类数,如3或4很好
2023-11-04 15:30:57 485KB 深度学习 matlab
1
提出一种功耗限制下测试端口选择优化的方法,从而缩短测试时间。以系统功耗确定测试端口对数,以内核测试占用网络资源最少和测试时间最短为目标,为被测核选择端口位置。利用云进化算法对不同端口位置组合寻优,快速收敛到适应值最佳的测试端口组合,完成测试方法研究。以ITC’02基准电路作为实验对象,针对不同规模NoC,实验结果表明,这种方法提高了测试效率,缩短了测试时间,降低了测试代价。
2023-10-23 22:17:10 1.15MB 片上网络 选择优化 云进化算法
1
动态多目标优化进化算法主要研究如何利用进化计算方法求解动态多目标优化问题,其已成为进化计算领城一个新的研究课题。本文首先介绍了动态优化问题的分类,然后描述了动态多目标优化问题的基本概念、数学表述,最后在当前对动态多目标优化进化算法的基本原理、设计目标、研究现状及性能度量讨论的基础上,提出了对动态多目标优化问题需进一步研究的关键问题。
2023-04-23 15:06:34 2.68MB 自然科学 论文
1
变异(Mutation) 交叉(Crossover) 选择(Selection) 遗传操作 算法的基本思想是从某一随机产生的初始群体开始,利用从种群中随机选取的两个个体的差向量作为第三个个体的随机变化源,将差向量加权后按照一定的规则与第三个个体求和而产生变异个体,该操作称为变异。然后,变异个体与某个预先决定的目标个体进行参数混合,生成试验个体,这一过程称之为交叉。如果试验个体的适应度值优于目标个体的适应度值,则在下一代中试验个体取代目标个体,否则目标个体仍保存下来,该操作称为选择 *
2023-04-20 20:40:10 3.69MB 算法
1
骨架差分进化算法能够较好规避差分进化算法控制参数和变异策略选择问题。针对基于双变异策略的经典骨架差分算法(MGBDE)没有根据个体进化差异选择适合的变异策略和考虑早熟收敛的问题,提出一种改进算法。该算法引入变异策略选择因子,并借鉴自适应差分进化算法的设计思想,将选择因子随个体共同参与进化,使个体执行当前最为适合的变异策略,克服原始算法进化过程的盲目性,同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点;该算法加入停滞扰动策略,降低陷入局部最优的风险。采用18个标准测试函数进行实验,结果表明,新算法在收敛精度、收敛速度和顽健性上整体优于多种同类骨架算法以及知名的差分进化算法
2023-03-29 21:42:49 1.37MB 差分进化 骨架算法 双变异策略 自适应
1
针对求解资源受限项目调度问题(RCPSP),提出了基于差分进化(DE)的混合粒子群算法(PSODE)。通过在PSO种群和DE种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验,结果表明PSODE算法可以较好地解决RCPS问题。
1
matlab实现差分进化算法(DE),可以正常运行,请放心食用哦。
2023-03-12 17:32:40 718B matlab de
1

针对多模态优化问题, 提出一种动态小生境半径两阶段多模态差分进化算法. 基于构象空间退火思想, 设计一种两阶段退火策略来动态调整小生境半径, 并根据退火过程将整个优化过程分为两个阶段. 在第1 阶段, 通过差分限制变异策略生成高质量的新个体来维持种群的多样性, 促进多模收敛; 在第2 阶段, 利用种子邻近变异策略对已探测到的生境高度搜索, 加快算法的收敛速度. 实验结果表明, 所提出算法能够有效实现从全局探测到局部增强的自适应平滑过渡, 是一种有效的多模态优化算法.

1