检索结果

Select

1. 演化信息协助的动态协同随机漂移粒子群优化算法

赵吉, 程成

计算机应用 2020, 40 (11): 3119-3126. DOI: 10.11772/j.issn.1001-9081.2020040481

摘要（365）

PDF （941KB）（510）

为了改善随机漂移粒子群算法的群体多样性，通过演化信息的协助，提出动态协同随机漂移粒子群优化（CRDPSO）算法。利用上下文粒子的向量信息，粒子之间的动态协作增加了种群多样性，这有助于提高群体的搜索能力，并使整个群体协同搜索全局最优值。同时在演化过程中的每次迭代，利用二维空间分割树结构来存储算法中的估计解的位置和适应度值，从而实现快速适应度函数逼近。由于适应度函数逼近增强了变异策略，因此变异是自适应且无参数的。通过典型测试函数将CRDPSO算法和差分进化算法（DE）、协方差矩阵适应进化策略算法（CMA-ES）、非重复访问遗传算法（cNrGA）以及三种改进的量子行为粒子群算法（QPSO）进行比较。实验结果表明，不管是对于单峰还是多峰测试函数，CRDPSO的性能均是最优的，证明了该算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

2. 一种求解多峰函数优化问题的量子行为粒子群算法

赵吉孙俊须文波

计算机应用

摘要（1848）

PDF （825KB）（1572）

介绍了一种利用量子行为粒子群算法（QPSO）求解多峰函数优化问题的方法。为此，在QPSO中引进一种物种形成策略，该方法根据群体微粒的相似度并行地分成子群体。每个子群体是围绕一个群体种子而建立的。对每个子群体通过QPSO算法进行最优搜索，从而保证每个峰值都有同等机会被找到，因此该方法具有良好的局部寻优特性。将基于物种形成的QPSO算法与粒子群算法(PSO)对多峰优化问题的结果进行比较。对几个重要的测试函数进行仿真实验结果证明，基于物种形成的QPSO算法可以尽可能多地找到峰值点，峰值收敛性能优于PSO。

相关文章 | 多维度评价

Select

3. 面向快速制造扫描分区的凹多边形凸分解算法

卞宏友，刘伟军，王天然，赵吉宾

计算机应用 2005, 25 (09): 2143-2145. DOI: 10.3724/SP.J.1087.2005.02143

摘要（957）

PDF （168KB）（1329）

提出了一个面向快速成型扫描路径规划的凹多边形凸分解算法。首先应用所提出的基于正负法搜索凹点对应的可见点的新算法来找出凹点的可见点串,然后结合所提出的适用于快速制造中扫描分区的剖分准则,利用权函数选择最佳剖分点,并合理使用辅助点,保证了剖分所得凸多边形的形态质量。该算法作为快速成形选区环形扫描路径规划软件的底层算法,在对待扫描的层面轮廓进行分区时得到了应用。