您的位置: 专家智库 > >

广东省自然科学基金(06025686)

作品数:4 被引量:15H指数:3
相关作者:周育人林奋冯玉宇彭新一蒋炜更多>>
相关机构:华南理工大学更多>>
发文基金:国家自然科学基金广东省自然科学基金广东省科技计划工业攻关项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇自动化与计算...

主题

  • 3篇子群
  • 3篇粒子群
  • 2篇优化算法
  • 2篇群算法
  • 2篇粒子群优化
  • 2篇粒子群优化算...
  • 1篇调控网络
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇收敛性
  • 1篇启发式信息
  • 1篇区段
  • 1篇扰乱
  • 1篇自适
  • 1篇最大最小蚂蚁...
  • 1篇稳健性
  • 1篇粒子群算法
  • 1篇蚂蚁系统
  • 1篇模拟退火
  • 1篇局部极值

机构

  • 4篇华南理工大学

作者

  • 4篇周育人
  • 1篇蒋炜
  • 1篇林奋
  • 1篇彭新一
  • 1篇冯玉宇
  • 1篇唐岑琦

传媒

  • 1篇微计算机应用
  • 1篇计算机工程
  • 1篇计算机工程与...
  • 1篇计算机工程与...

年份

  • 2篇2009
  • 1篇2008
  • 1篇2007
4 条 记 录,以下是 1-4
排序方式:
基于改进PSO的基因调控网络重构方法被引量:3
2009年
提出一种基于改进粒子群优化算法的基因调控网络重构方法。该方法利用粒子群优化算法确定加权矩阵模型的最优结构及参数,从而推测出与实验数据相吻合的加权矩阵,实现利用重构的加权矩阵模型模拟基因调控网络的相互作用。实验结果表明,该方法能有效推理出复杂的基因调控网络结构。
蒋炜彭新一周育人
关键词:粒子群优化算法基因调控网络
自适应分区段混合粒子群优化算法被引量:1
2007年
该算法先利用Christos贪心算法将整个搜索区域进行自适应分区段,在每一区段内搜索出最优位置,然后将各区段的最优位置组成一新微粒群,继续搜索全局最优位置。而在每个区段中,又将模拟退火算法引入到粒子群优化(PSO)之中,通过Boltzmann机制选择每一区段中局部极值,使新算法在不同阶段兼顾对多样性和收敛速度的不同要求。与其他混合PSO算法相比,仿真实验表明,新算法具有较高的解精度,能较好地解决过早收敛问题。
唐岑琦周育人
关键词:模拟退火局部极值粒子群
求解可满足问题的改进的蚁群算法被引量:6
2009年
可满足问题(SAT)是一个NP-hard问题,将SAT问题转换为无约束的离散优化(最小值)问题。并根据MDorigo提出的蚁群算法,给出了一种求解SAT问题的新方法:改进的最大最小蚁群系统(MMAS-SAT)。在改进的算法中,给出了SAT问题的构造图,指出了启发式信息值的求法,对衰变系数进行了动态调整。测试问题的数值实验表明,采用MMAS-SAT的结果优于Gwsat、Walksat、Novelty等局部搜索算法,因此该算法是求解SAT问题的一种可行高效的算法。
林奋周育人
关键词:SAT问题蚁群算法最大最小蚂蚁系统
扰乱认知能力的粒子群算法被引量:5
2008年
受遗传算法"杂交"思想的启发,提出一个改进带收缩因子的粒子群算法。该算法在带收缩因子的粒子群算法中增加扰乱粒子认知能力的方法。即对粒子i,随机选择另外一个粒子j,按照一定的概率用粒子j的当前位置替换粒子i的当前位置。为了检验新算法的性能,选用5个高维函数进行了测试,实验结果表明,改进的算法不仅具有良好的稳健性,而且还有良好的收敛性。
冯玉宇周育人
关键词:粒子群算法扰乱稳健性收敛性
共1页<1>
聚类工具0