陈伟能
- 作品数：23 被引量：62H指数：3
- 供职机构：华南理工大学计算机科学与工程学院更多>>
- 发文基金：国家自然科学基金广东省自然科学基金教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术农业科学文化科学更多>>
- 运用粒子群算法优化动态网格工作流的方法
- 本发明公开了一种运用粒子群算法优化动态网格工作流的方法。算法的目标是最小化工作流在一个周期内的总费用，并使得其在每个单位时间内的执行时间不超过一个用户定义的变量Deadline。由于动态工作流在一个周期中有多种不同的拓扑...
- 张军陈伟能史源黄韬
- 文献传递
- 运用蚁群算法优化项目调度中的折现现金流的方法
- 本发明公开了一种运用蚁群算法优化项目调度中的折现现金流的方法。提出的方法用于解决多模式折现现金流的资源约束调度问题(MRCPSPDCF)。首先，建立了MRCPSPDCF的模型，其中除了普通的现金流入和流出外，该模型还会考...
- 张军陈伟能黄韬
- 文献传递
- 智能计算及其应用研究
- 张军钟树鸿陈伟能胡晓敏林盈詹志辉
- 该项目成果属计算机理论及其应用范畴。智能计算方法包括遗传算法、蚁群优化算法、粒子群优化算法等，近年来一直是计算机科学研究领域的一个热点研究分支。通过对生物进化、群体智能等自然行为的模拟，智能计算方法不依赖于待解问题的数学...
- 关键词：
- 关键词：计算机理论
- 面向智慧城市的群体智能算法设计与应用被引量：1
- 2021年
- 智慧城市建设过程中面临着众多复杂的决策与优化问题,群体智能方法通过模拟自然界中社会性动物的智能行为的涌现机制,已成为求解智慧城市中复杂优化问题的重要手段之一,在智慧城市领域有广泛的应用场景。为此,本文将围绕智慧城市中的智慧交通、智慧物流与智慧城市规划等领域,简述若干基于群体智能方法的智慧城市决策与优化应用,并具体以基于群体智能算法的智能拼车算法为例,阐述基于蚁群优化方法的拼车调度系统的算法设计与实验分析全过程。通过讨论与分析,本文将进一步探讨当前智慧城市应用对群体智能算法设计所提出的新挑战,并对面向智慧城市的群体智能算法研究的新趋势进行了展望。
- 邱文锦陈伟能
- 关键词：智慧城市群体智能算法拼车
- 自适应约束评估的代理模型辅助演化算法
- 2023年
- 很多现实优化问题不仅有昂贵目标也有昂贵约束,而现有求解昂贵优化问题的代理模型辅助演化算法(SAEAs)通常对候选解的所有约束进行评估,在评估次数有限的情况下,频繁评估可行域较大的约束不利于种群演化。针对这一问题,研究了求解昂贵约束优化问题的代理模型辅助算法,提出了一种自适应约束评估策略,根据种群演化情况评估可行域信息较少的约束,以节省在可行域较大的约束上的评估次数,在少量昂贵评估次数下自适应进行约束的选择及评估,更好地演化种群;为验证该策略的有效性和通用性,从两个思路设计了两种自适应约束评估的高斯过程回归模型辅助差分进化算法。这两种方法在15个约束优化测试函数中的11个取得显著优异效果;在利用时间延迟模拟昂贵评估次数的情况下,效率提升均在94%以上,其中91.67%的测试例子效率提升在98%以上。另外,这两种方法在4个工业应用问题中均取得优胜效果,表明其在昂贵工业约束优化问题中良好的应用前景。
- 魏凤凤陈伟能
- 关键词：代理模型差分进化算法
- 群智演化协同计算的研究进展与趋势
- 2023年
- 群体智能是通过聚集群体智慧协同求解大规模复杂问题的智能方法,其思想最初源于对自然界中社会性生物群体智能行为的模拟。群体生物通过分工合作、相互协调、协同演化,可涌现出整体性的智能行为,完成复杂任务,具有高度的自组织、自适应、自学习能力。受此启发,国内外学者运用数学和计算机工具对群体智能行为进行模拟,从不同角度发展了一系列群体智能涌现与演化的机理和模型。近年来,随着互联网的发展,人类社会基于物联网的群智协同和演化现象进一步拓宽了群智演化计算的范畴,呈现出广阔的应用前景,也对群智演化的理论模型和应用提出了新挑战。2017年,《新一代人工智能发展规划》明确将群体智能列为需重点发展的人工智能理论与技术方向之一。文章将从生物群体、智能体群体和人类社会群体等不同视角,从群智演化协作的模型和机理、群智演化协作的组织结构、群智演化协同决策及群智演化协同计算的应用等角度,总结群智演化计算的主要研究问题,对国内外的最新研究进展进行综述和对比分析,并对该方向未来的发展趋势和主要科学问题进行展望。
- 陈伟能卢暾蒋嶷川汤庸
- 关键词：人工智能群体智能群集智能复杂网络演化博弈理论
- 运用遗传算法实现项目调度中的现金流优化被引量：2
- 2008年
- 多模式的资源受限项目调度问题(MRCPSP)是生产实践中的一类常见的重要问题,它具有NP-完全性质,难以在多项式时间内准确求解。现金流是项目财务管理及风险评估的重要指标,实现现金流优化对项目管理具有重要的意义。考虑了现金流优化与项目调度相结合的带折现流的多模式资源受限项目调度模型(MRCPSPDCF),首先对该模型建模,然后给出运用遗传算法求解的具体方案,考虑了里程碑事件和相等时间间隔两种支付方式,在仿真实验中比较了这两种支付方式的实验结果,并证明了遗传算法的有效性。
- 徐柏群张军陈伟能
- 关键词：遗传算法现金流净现值资源受限项目调度多模式
- 基于集合型离散粒子群优化的云工作流调度方法
- 本发明公开了一种基于集合型离散粒子群优化算法的云工作流调度方法，该方法针对带有不同服务质量QoS需求的云工作流调度问题，采用了一类新型的集合型粒子群优化算法，通过将粒子群优化的速度、位置和相关的更新操作在离散的集合空间重...
- 张军陈伟能刘宇彭浩林
- 文献传递
- 利用动态降维差分进化算法解决多约束的投资组合优化问题
- 2016年
- 投资者在实际投资过程中会有各种各样的偏好,因此在投资组合优化问题的数学模型中,会含有多种约束条件.在这些约束条件下,投资组合问题的复杂程度会随投资规模的增大而急剧增加.采用一种可动态降维的差分进化算法,用于解决含有基本约束、边界约束以及基数约束的多约束投资组合优化问题.这种差分进化算法具有两大优势,由于该算法可以在求解过程中通过逐渐降维来降低求解复杂性,因此能够处理较大规模的投资组合优化问题;此外,通过动态降维的方法,可以处理投资组合优化问题中的基数约束.实验结果表明,动态降维差分进化算法的性能优于粒子群优化算法,同时在处理基数约束方面优于k-means聚类分析算法.
- 王佳彬沈洁陈伟能张军
- 关键词：投资组合优化差分进化算法
- 分布式数据驱动的多约束进化优化算法
- 2024年
- 泛在计算模式下,数据分布式获取和处理带来了分布式数据驱动优化的需求。针对数据分布获取、约束异步评估且信息缺失的挑战,构建分布式数据驱动的多约束进化优化算法(DDDEA)框架,由一系列终端节点负责数据提供和分布式评估,服务器节点负责全局进化优化。基于该框架具体实现了一个算法实例,终端节点利用局部数据构建径向基函数(RBF)模型,辅助驱动服务器节点差分进化(DE)算法对问题进行寻优。通过与3个集中式数据驱动的多约束进化优化算法在两个标准测试集的实验对比,DDDEA在68.4%的测试用例中取得显著最优结果,在84.2%的测试用例中找到可行解的成功率为1.00,表明该算法具有良好的全局搜索能力和收敛能力。
- 魏凤凤陈伟能
- 关键词：进化计算差分进化算法
