刘国安
- 作品数：4 被引量：37H指数：3
- 供职机构：哈尔滨工程大学信息与通信工程学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于自适应差分进化的干线交通信号协调控制被引量：1
- 2012年
- 为克服现有基于传统智能优化算法的城市干线交通信号协调控制方法求解精度低、易陷入局部最优等缺陷,将改进后的动态自适应差分进化算法p-ADE应用于城市干线双向交通信号的协调优化控制,通过优化干线交叉路口相位差减小交通流平均延误.p-ADE在标准差分进化算法基础上提出了新变异策略和参数动态自适应调整策略,有效平衡算法的局部搜索与全局搜索能力.通过与基于多种群免疫算法等协调优化控制方法对比,实验结果表明,p-ADE在收敛精度、速度和鲁棒性上相比较于多种先进智能优化算法均具有明显优势,可以为交通干线系统提供更优的相位差,有效减少干线直行交通流的平均延误,提高城市主干道交通通行能力.
- 毕晓君刘国安肖婧
- 关键词：差分进化智能交通干线协调控制
- 种群分类粒子群改进算法研究被引量：10
- 2008年
- 针对粒子群算法在陷入局部最优时难于跳出的缺陷,提出一种改进的粒子群算法.该算法首先利用粒子适应值的统计规律对粒子进行分类,对属于不同类别的粒子采用不同的进化模型,对于利用完全模型进化的粒子,采用动态调整学习因子的方法,从而大大提高了算法的优化效率和优化精度.通过反复实验分析,得出学习因子随着进化推进的最优变化规律,并给出了学习因子的最佳函数表达式.仿真结果表明,利用改进的PSO算法优化4种具有代表性的基准函数,无论是在优化精度方面还是在优化效率方面,均较以往提出的PSO算法在性能上有本质的提高.
- 毕晓君刘国安
- 关键词：粒子群算法基准函数
- 基于云差分进化算法的约束多目标优化实现被引量：14
- 2012年
- 针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.
- 毕晓君刘国安
- 关键词：约束多目标优化差分进化算法云模型
- 基于新变异策略的动态自适应差分进化算法被引量：13
- 2012年
- 针对差分进化算法在复杂优化问题求解时后期收敛速度慢、易陷入局部最优和参数设置繁琐等问题,提出一种基于新变异策略的动态自适应差分进化算法p-ADE.首先,新变异策略中通过利用种群的全局最优解和目标个体的历史最优解引导种群搜索方向,为下一代个体的生成引入更多有效的方向性信息,避免差分向量中个体随机选择导致的搜索盲目性.其次,为加快收敛速度、提高算法稳定性、避免参数设置的繁琐与不精确,提出一种参数动态自适应调整策略,动态平衡算法局部搜索与全局搜索间的关系,有效调节个体在进化过程中的变异程度.在10个Benchmark函数上的实验结果表明,p-ADE相对于多种先进DE优化策略和全局优化算法在收敛精度、速度和鲁棒性上均具有明显优势.
- 毕晓君刘国安肖婧
- 关键词：差分进化动态自适应
