一种快速自适应蜂群算法及其应用

来源 :华东理工大学学报(自然科学版) | 被引量 : 0次 | 上传用户:qtl8866
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
人工蜂群算法(Artificial Bee Colony,ABC)具有操作简单、控制参数少及鲁棒性强等特点,已成为群体智能领域的研究热点之一,但其仍然存在收敛速度慢、易陷入局部最优的问题。针对这些问题,提出了一种改进的人工蜂群算法(Quick Self—Adaptive Artifieial Bee Colony,QAABC)。首先,对人工蜂群算法的选择策略和搜索策略进行改进,以提高算法的收敛速度和优化精度;其次,对超边界的个体进行一次有效变异,增强种群的多样性。最后,将本文算法与其他两种算法(标准ABC
其他文献
研究了甲基丙烯酸三氟乙酯(TFEMA)与甲基丙烯酸异冰片酯(IBDMA)在偶氮二异丁腈引发下的本体共聚合。重点研究了两种单体的竞聚率和不同单体组成制备得到的共聚物的性能。采用KT和
以V型填料密封为研究对象,对其填料装填压紧过程进行力学分析,运用弹性力学的有关理论,在考虑摩擦力、压紧力和内外接触过盈量的前提下,建立了填料装填过程的受力和变形的计算模
针对在高维输入空间数据点的异常稀疏性(维数灾难)会导致支持向量机回归模型产生偏差的问题,提出了一种基于叠加模型的支持向量机回归方法———叠加支持向量机回归(AddS-VR)。AddSVR的实现是通过对每一维输入进行核化,然后将每一个核空间进行叠加得到,基于叠加模型可以克服维数灾难的问题,使得其在处理高维问题时估计偏差减小。为了更方便、迅速地实现AddSVR,还提出了对支持向量机的一种简化的二次规划
针对基于特征权值的相似性模型在相似案例搜索上的局限性,通过汲取模糊规则在捕获领域知识上的有效性和灵活性,提出了一种改进的基于模糊案例推理方法。首先通过确定特征变量取
提出一种基于AEA的改进算法——EAEA。该算法将分布估计算法和精英保留策略融入AEA算法中,用来产生AEA算法迭代需要的对比种群,使得算法能跳出局部最优,避免早熟现象的发生。在2
目前基于手势交互的系统应用越来越多,但都是简单的利用手势操作鼠标进行交互,没有向系统进行文字输入的功能。利用盲人字母手势作为输入手势,采用微软的体感设备Kinect获取深度图像,对其进行手势分割,再利用SIFT提取特征,得到手势字母,利用拼音输入法,提供了一种向系统输入汉字的功能。