论文天下|会计论文|管理论文|计算机论文|医药学论文|经济学论文|法学论文|社会学论文|文学论文|教育论文|理科论文|工科论文|艺术论文|哲学论文|文化论文|外语论文|格式论文
论文天下
计算机应用论文  计算机理论论文  计算机网络论文  电子商务论文  软件工程论文  操作系统论文  通信技术论文   
浅析一种新型优化算法——学习算法

 摘 要:从优化算法应该具有的共性出发,提出一种全新的算法——学习算法(la)。该算法记录历史最优解和当前最优解这两组关键历史信息,然后让当前解向这两种最优解聚集(即学习的过程);同时为了不放弃其他区域的搜索,让当前解的一部分完全随机地被重置。该算法原理简单,可调参数少且各参数对算法效能的影响易于掌控。在多最优函数以及复杂函数的最小化测试中,通过与ga、ps的比较,发现la确实是一种有效的优化算法,其优化效率并不低于现有算法。数值实验还表明,la在多最优解问题的寻优中相对ga和ps具有非常明显的优势。
  关键词:学习算法;遗传算法;微粒群算法
   
  ne ptiizatin algrith:learning algrith
  
  he yi,zha xiang,huang ka-a
  (shl f eletrnis ≈ infratin, sihuan university, hengdu 610064, hina)
  abstrat:this paper presented a ne algrith:learning algrith based the nness f ptiizatin algriths. this algrith rerded the histrial ptial slutin and the urrent ptial slutin, and then let the urrent slutin nverge t these t ptial slutin(that as, the learning press), at the sae tie, in rder nt t give up the searh fr ther regins, ade a part f urrent slutin be replaed randly.the algrith had siple thery and sall adjustable paraeters, and the effet fr every paraeter t algrith as easy t ntrl. in the test f ulti-ptiu funtin and iniizatin f plex funtin,fund that pared ith ga and ps, la as indeed an effetive algrith. nuerial experients als sh that la has a very distint advantage in ulti-ptiu prbles pared ith ga and ps.
  key rds:learning algrith(la); geneti algrith(ga); partile sar ptiizatin(ps)
  0 引言
  在最近二十年中,各种各样的优化算法得到了飞速的发展并成功运用于各种领域,这些算法模拟不同的生物或物理现象,使各种人工系统具有优良的自适应能力和优化能力。例如,遗传算法(ga)[1,2]模拟生物的进化过程、微粒群算法(ps)[3]模拟鸟类群体行为、蚁群算法(ant lny ptiizatin,a)[4]模拟蚂蚁觅食行为、模拟退火算法(siulated annealing,sa)[5]模拟高温物体的退火过程等。
  微粒群算法、蚁群算法具有原理简单、容易实现且初期收敛迅速的优点。但是,以ps为例,算法在后期很容易陷入局部最优,特别是在求解高维多峰问题上,形成所谓的“早熟”现象,这也是ps算法的最大缺点[6]。而遗传算法虽然在早期表现出较慢的收敛速度,但是在后期却拥有比ps更好的全局搜索性能。
  
  也有学者对传统的这些算法作出了一些改动,使算法在某些方面的特性得到了一些改善。比如在ps算法中,采用线性递减[7]和模拟自适应方法[8]动态调整惯性因子,提高了算法的全局搜索能力和搜索精度;对ps算法加入收缩因子以改善其收敛性[9],借鉴遗传算法中的自然选择机制,改善局部搜索能力[10];在遗传算法中加入小生境模型[11],维护群体多样性,加大多峰搜索力度;采用最优保存策略,改善收敛速度。
  然而,无论上述优化算法是在模拟何种自然现象,也无论它们得到何种改进和优化,它们的效能和优化机理都必须从优化问题本身的角度得到解释,即它们为什么一方面可以向最优解收敛,而另一方面又可以避免陷入局部最优?它们在绝大多数问题中的寻优效率为什么会高于完全随机(盲目)的搜索?这是因为它们实际上都是在利用历史搜索的信息来启发式地指导当前搜索,从而相应地完成当前解的更新。具体而言,就是它们通过历史搜索信息来推测最优解存在的所谓高可能性区域,然后通过让当前解向该区域聚集来加强该区域的搜索,与此同时,会减弱但不会完全放弃对其他区域的搜索。从这个角度上讲,这些优化算法必然会“异曲同工”和“大同小异”。

未完...点击下方链接下载完整文档

浅析一种新型优化算法——学习算法

摘 要:从优化算法应该具有的共性出发,提出一种全新的算法——学习算法(la)。该算法记录历史最优解和当前最优解这两组关键历史信息,然后让当前解向这两种最优解聚集(即学习的过程);同时为了不放弃其他区域的搜索,让当前解的一部分完全随机地被重置。该算法原
  • 上一篇:简论对交通信号灯模糊控制的自主创新性设计
  • 下一篇:浅谈基于视觉感知的船闸监控系统研究与实现
  • 电子报刊版面设计浅谈
    基于LabVIEW可视化数据采集处理
    基于多智能体的用户偏好系统研究
    关于任务驱动式教学方式在计算机
    基于PDM技术的AGC电路设计
    关于电子技术应用专业课改的设想
    基于条码技术的库存管理系统设计
    加强基层国库业务系统应急机制建
    计算机在儿童保健系统管理中的作
    基于SOA的实验教学管理原型系统
    高速公路机电设备管理系统的研究
    计算机病毒及防范措施
    基于Delphi开发平台的分布
    煤矿无人工作面中视频监控系统的
    运用PowerShell计算行×列表χ2
    浅析基于IWT和FCM的曲线矢量数
    浅析中小型园区网的设计与实现
    略论一种基于负载均衡异构分布
    浅析一种基于前缀节点的频繁子
    浅析移位寄存器的Multisim仿真
    略一种基于混沌搜索的文化算法
    一种提高DSP的ADC精度的方法
    考虑储备期间失效的可修复备件
    浅析基于隐马尔可夫模型的热路
    简论一种安全的数字音频水印方
    | 设为首页 | 加入收藏 | 联系我们 | 论文发表

    Copyright 2006-2020 © 论文天下 All rights reserved 本站所有内容均由SPider自动索引,如有侵权请联系QQ:2486851删除