公共文化服务平台

搜索到22597篇“ 自适应遗传算法“的相关文章

自适应遗传算法被引量：2: 2014年; 自适应遗传算法采用自适应的适应度函数、交叉概率及变异概率代替固定的适应度函数、交叉概率及变异概率,与基本遗传算法相比,结果证明改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力.; 朱彦廷; 关键词：遗传算法适应度函数

自适应遗传算法被引量：1: 2013年; 用自适应的适应度函数、交叉概率及变异概率取代固定的适应度函数、交叉概率及变异概率来改进遗传算法,并与标准遗传算法进行了实验比较,结果证明:改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力。; 朱彦廷; 关键词：遗传算法适应度函数

自适应遗传算法被引量：1: 2007年; 为了防止标准遗传算法中过早收敛到局部最优解的早熟现象,本文在分析早熟特征的基础上提出了相似程度的概念,并利用相似程度来选取杂交算子概率和变异算子概率,从而得到自适应遗传算法。实验结果表明,改进的自适应遗传算法比标准的遗传算法效果要好很多。; 廖国勇; 关键词：遗传算法

自适应遗传算法被引量：20: 2006年; 在遗传算法中约束条件贯穿于遗传运算的始终,这样必定影响运算效率。因为随着进化过程的进行,适应度较低的一些个体逐渐被淘汰,而适应度较高的个体越来越多,且都集中在最优点附近。基于遗传算法这种优胜劣汰的进化思想,该文提出一种改进的遗传算法——自适应遗传算法。其主要思想是在群体进化若干代后,将弱解空间删除,在以后的进化进程中以同样的群体大小只在强解空间进行群体的繁殖,则可加大强解空间的个体密度,提高解的精度,这样有助于性能优良的个体的产生,并且有可能缩短群体进化过程。将这种自适应遗传算法用于复杂函数的优化,算例结果表明该方法是有效和可靠的。; 卢长娜王如云陈耀登; 关键词：自适应方法遗传算法

基于融合合并观测的自适应遗传算法的多卫星协同任务调度规划方法: 本发明公开了一种基于融合合并观测的自适应遗传算法多卫星协同任务动态调度规划方法，首先，通过等比采样分解区域任务，构建离散观测点；其次，任务转化为加权元任务集，结合卫星资源、任务与姿态约束，计算可选卫星与时间窗；进一步，检...; 温广辉孙全胜赵丹伊枭剑

基于自适应遗传算法的多目标立体仓库货位分配优化方法: 本发明属于公开了一种基于自适应遗传算法的多目标立体仓库货位分配优化方法；首先，对仓库及其中的货架进行三维数字化建模；然后，以物资稳定性原则、物资最快出库原、物资聚合性原则、异物资相关度原则构建多目标货位分配优化数学模型；...; 何亮亮梁晶徐鹏李晨光王琨张鹏边月奎耿修堂周小莹

基于自适应遗传算法的DTN阻塞策略研究: 2025年; 提出一种新型自适应遗传算法并与DTN(Delay Tolerant Networks)融合,解决DTN网络路由拥塞问题。该方法首先在奖罚策略基础上使用一个关于时间t的函数,代替传统算法的常数Q,完成对信息素的自适应动态更新,加快路径寻优速度,强化较优解;其次,将改进算法应用于DTN网络阻塞,对源节点至目的节点信息进行多次传输并赋予各节点信息素和启发值,实现节点中转价值和设计中转评价参数,达到动态选取中转节点效果,降低网络阻塞可能性。仿真结果表明,算法在执行效率和网络阻塞率方面得以改进与提升,整体性能优于相关算法。; 王云李丛; 关键词：遗传算法自适应网络阻塞

基于Python和自适应遗传算法的螺旋齿轮体积优化被引量：1: 2025年; 对螺旋摆动油缸中的螺旋齿轮进行体积优化,将传统设计中对模数齿数的取值范围与最小值通过程序语言表达,形成约束,再对随机生成的种群进行自适应选择、交叉、变异等操作,形成个体属性,引用精英策略选择优秀的个体产生新的种群,重复操作直到完成要求的迭代次数,最后打印出每一代的最优个体。传统算法与自适应遗传算法均可以对螺旋齿轮的体积进行优化,最终将螺旋齿轮的体积减少5.87%。自适应遗传算法可以对螺旋齿轮进行体积优化,并且在迭代速度上有明显优势,过程中产生的多个解可对实际设计进行指导,降低设计时的计算量与设计时间,减少生产成本。; 马笑宇吕东波钱鹏运李晓贞; 关键词：螺旋齿轮 PYTHON 遗传算法自适应

基于自适应遗传算法与集成学习的微服务异常检测方法: 2025年; 当前微服务异常检测方法存在的问题主要包括仅使用单一数据源进行分析以及模型参数依赖于开发人员的经验。此外,一些方法不能有效应对样本不平衡问题,这些因素都会影响模型的准确率。为了解决上述问题,提出了一种基于自适应遗传算法与集成学习的微服务异常检测方法(Adaptive Genetic Algorithm and Ensemble Learning-Microservice Anomaly Detection,AGEL-MAD)。该方法首先通过特征组合的方式表示服务轨迹数据,并将其与性能数据进行融合。其次,为应对样本不平衡问题,引入了单分类支持向量机(One-Class Support Vector Machine,OCSVM)与多层感知机(Multi-Layer Perception,MLP)的集成学习。最后,为排除开发人员的影响,在异常检测过程中引入自适应遗传算法(AGA)以获取参数的最优组合,提高模型的适应性和准确率。通过在不同的数据集上进行实验,验证了AGEL-MAD方法的有效性。; 杨云皓姜瑛; 关键词：异常检测自适应遗传算法

求解格上最短向量问题的自适应遗传算法: 2025年; 最短向量问题(shortest vector problem,SVP)是格密码中一个经典的困难问题.丁丹等于2015年提出了首个解决最短向量问题的遗传算法,该算法利用BKZ约化基的正交表示来搜索格点组成的空间,能够高效地找到格内最短向量.由于该算法采用固定的交叉率和变异率,容易陷入局部最优解,且没有充分利用BKZ约化基正交表示下短向量的稀疏特征.本文从跳出局部最优解、提升算法收敛速度以及提高成功概率三个维度改进了该算法的SVP智能求解方案.首先,本文引入了动态计算交叉率和变异率的模块,主要基于个体质量与种群收敛程度两个维度来控制交叉率以及变异率,从而有效避免算法陷入局部最优解.其次,设计了一种自适应变异策略,从基因层面充分利用了BKZ约化基下短向量正交整数表示的稀疏性,显著加快了整个算法的收敛速度.最后,提出了基于多种群并行的遗传算法,进一步提高了概率算法的成功率.通过这些改进,本文的算法在求解SVP问题时表现出更高的效率和更强的鲁棒性.; 毕经国苏磊王林; 关键词：格理论遗传算法

相关作者