检索结果

Select

1. 免疫进化混合猴王遗传算法

李祚泳张小丽汪嘉杨张正健

计算机应用 2014, 34 (6): 1641-1644. DOI: 10.11772/j.issn.1001-9081.2014.06.1641

摘要（244）

PDF （564KB）（327）

针对简单猴王遗传算法（MKGA）存在易陷入局部极值和稳定性较差的缺陷,提出了免疫进化混合猴王遗传算法（MKGAIEH）。MKGAIEH将总群体划分为若干个子群体,为了充分利用总群体中最优个体(总猴王)信息,引入免疫进化算法（IEA）对其进行免疫进化迭代计算;此外,对子群体内的其他个体,同时考虑子群体的子猴王与群体的总猴王对其进行交叉和变异遗传操作。当所有子群体的局部搜索完成后,再将各子群体的解重新混合。这种全局信息交换与子群内局部搜索相结合的策略不仅避免了早熟收敛,而且随着迭代的进行,还能以更高的精度逼近全局最优解。将MKGAIEH、MKGA、改进后的猴王遗传算法（IMKGA）、蜜蜂遗传算法（BEGA）、免疫进化粒子群蛙跳算法（IEPSOSFLA）和普通爬山算子遗传算法（COGA）对6个典型测试函数的计算结果进行了比较，其结果为:MKGAIEH对6个测试函数都能获得全局最优解,有5个测试函数获得的平均值和标准差比其他5种优化算法获得的平均值和标准差精度提高了几个数量级,达到了最小。这表明MKGAIEH具有更佳的寻优能力和更好的稳定性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于免疫进化的粒子群混洗蛙跳算法

李祚泳张正健余春雪

计算机应用 2011, 31 (12): 3288-3291.

摘要（928）

PDF （583KB）（493）

为了避免混洗蛙跳算法易于出现不成熟收敛，提高求解质量，提出了基于免疫进化的粒子群混洗蛙跳算法。该算法将粒子群算法中粒子追踪全局极值的思想融入混洗蛙跳算法中，对族群内的最差个体同时跟踪族群内和全局两个最优个体的信息，进行深度搜索；并引入免疫进化算法对群体中的最优个体进行免疫进化迭代计算，以达到充分利用最优个体的信息的目的。该算法不仅避免了陷入局部极值的局限，以更高的精度逼近全局最优解，而且能加速收敛。对多个典型测试函数的计算表明：基于免疫进化的粒子群混洗蛙跳算法比传统的混洗蛙跳算法具有更好的寻优能力、稳定效果和更快的收敛速度。

相关文章 | 多维度评价

Select

3. 基于蚁群算法的BP网络优化算法

李祚泳汪嘉杨郭淳朱永莉

计算机应用 2010, 30 (06): 1513-1515.

摘要（1449）

PDF （558KB）（1057）

将BP网络的训练误差和检验误差用于引导蚂蚁行经路径上的信息更新机制和选择机制,并据此计算蚂蚁行径中的转移概率;又将蚂蚁行经路径上的存储单元存放的参数值赋予BP网络训练,而存储单元存放的参数和训练误差值亦随BP网络训练误差的调整而改变。通过交互迭代优化,最终得到调整后的BP网络的最佳参数值。数值模拟计算结果表明:与传统的BP算法相比,在达到同一数量级的训练误差情况下,基于蚁群算法优化参数的BP算法训练次数少,而模型的精度高,在一定程度上提高了BP网络的学习能力和泛化能力。