基于聚集密度的粒子群多目标优化算法

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:yjf1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了改善粒子群多目标优化算法的分布性,引入了聚集密度以进行精英集的更新。其基本思想为:计算群体中每个个体的聚集密度,根据目标函数值和聚集密度定义一个偏序集,采用比例选择原则依次从偏序集中选择个体,更新精英集。通过数值实验用量化指标研究了新算法的收敛性和分布性,结果表明:新算法的收敛性与常规粒子群多目标优化算法相当,但分布性有了明显的提高。
其他文献
针对已有连通域标记算法不能适用于遥感数据等海量灰度图像八连通域快速标记的问题,设计并实现了一种MGSI-8CA标记算法。该算法对传统的八连通域标记算法进行八向变四向优化,采用列表机制解决连通域标记冲突问题,并引入了筛选机制和分块处理机制,实现了对海量灰度图像八连通域标记的快速处理,同时也得到了灰度图像连通域的正确划分及精确的连通域数目。实验结果证明,MGSI-8CA标记算法运行效率高,更能适应海量
针对人脸图像易受光线和表情影响的特点,提出了一种基于二进小波变换和仿生模式识别的人脸识别方法。应用样条二进小波对人脸图像进行处理,对得到的细节子图进行融合。在FFT和PCA处理与降维后,用仿生模式识别进行学习和识别。实验结果表明,该方法比传统方法具有更高的识别率。
在区间直觉模糊(IVIF)环境下,利用连续有序加权平均(COWA)算子定义了一种新的区间直觉模糊数间的交叉熵,即区间直觉模糊连续交叉熵。依据提出的区间直觉模糊连续交叉熵定义了直觉模
HASM优化控制方法(High Accuracy Surface Modeling-Optimal Control,HASMOC)是在高精度曲面建模(HASM)方法的基础上,增加更多约束条件方程后形成的一种方法。通过对等高线间格网