迟洪钦
- 作品数:21 被引量:125H指数:5
- 供职机构:上海师范大学数理信息学院计算机系更多>>
- 发文基金:上海市教委科研基金更多>>
- 相关领域:自动化与计算机技术理学经济管理文化科学更多>>
- 应用逐次回归分析预测居民银行存款被引量:2
- 2000年
- 利用 1 985年至 1 996年间的上海市国内生产总值、总收入、实际利率、股票、债券等数据 ,应用最小二乘法逐次回归分析来建立“预测居民银行存款”的若干数学模型 ,分别对一次项、二次平方项、二次混合项进行研究分析 ,并且考虑奇异值的鉴别与剔除 .用 1
- 胡荷芬迟洪钦王美华
- 关键词:非线性
- 一种求解约束函数优化问题的遗传算法
- 遗传算子和种群更新策略在遗传算法全局寻优过程中发挥着重要作用,通过多父体杂交算子使产生的后代更具多样性和采用最小代数代沟种群替换模型有效地均衡算法对问题解空间的探索和开发能力提高算法的性能,本文给出了一种求解约束函数优化...
- 敖友云迟洪钦
- 关键词:计算机数学遗传算法函数优化
- 文献传递
- 混合遗传算法与模拟退火法被引量:39
- 2006年
- 论文将适合全局搜索的遗传算法(GA)和适合局部搜索的模拟退火算法(SA)相结合,提出了混合GA-SA计算方法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法采用Gray编码以及动态自适应调节交叉概率和变异概率,提高了收敛速度,并有效防止种群早熟现象。实例验证了该算法的可行性和有效性。
- 田东平迟洪钦
- 关键词:遗传算法模拟退火算法
- 一种结合混沌搜索的自适应遗传算法被引量:2
- 2007年
- 自适应遗传算法(AGA)是一种有效的全局优化概率搜索算法。把混沌优化算法引入到AGA中,提出了一种结合混沌搜索的自适应遗传算法(AGACCS)。该算法保持了AGA的所有特点,进一步改善了AGA的全局寻优能力并有效防止局部收敛现象,提高了算法的收敛速度和计算精度。仿真函数结果表明,该算法的性能优于AGA。
- 田东平迟洪钦
- 关键词:自适应遗传算法混沌优化算法
- 基于(μ+λ)选择策略的多目标优化分段遗传算法被引量:4
- 2006年
- 在多目标优化遗传算法中,将整个种群按目标函数值划分成若干子种群,在各子种群内μ个父代经遗传操作产生λ个后代;然后将各子种群的所有父代和后代个体收集起来进行种群排序适应度共享,选取较好的个体组成下一代种群。相邻的非劣解容易分在同一子种群有利于提高搜索效率;各子种群间的遗传操作可采用并行处理;各子种群的所有个体收集起来进行适应度共享有利于维持种群的多样性。最后给出了计算实例。
- 敖友云迟洪钦
- 关键词:多目标优化遗传算法演化算法PARETO最优
- J2EE架构中各层数据表示和传输的研究被引量:3
- 2008年
- 为了克服传统两层架构的弊端,出现了J2EE三层或多层架构。文章在详细分析J2EE三层架构,即客户层、中间层和数据层的基础上,提出了J2EE三层架构中各层的数据表示、层间数据表示的转化和传输的方法;通过一个简单常见的实例,具体分析了各层间数据表示、转化和传输的实现过程。最后总结出了两种常用的数据表示和传输模型。
- 王林强迟洪钦
- 关键词:J2EE架构JAVABEAN数据表示DAO
- 基于GA的MTSP问题的研究被引量:4
- 2010年
- 目前对于旅行商问题的研究已经到了一个比较成熟的阶段,但是对于多旅行商问题的研究还相对较少。文章针对使所有旅行商路程尽可能平均(即所有旅行商路程的最大值最小),且所有旅行商的总路程最小的一类多旅行商问题进行研究,通过三交换启发式交叉算子,变换变异算子和矩阵解码方法来优化简单的遗传算法。最后通过仿真试验,验证了该算法的有效性和可行性。
- 郭强迟洪钦
- 关键词:遗传算法多旅行商问题
- 方格取数问题的动态规划算法被引量:2
- 2009年
- 动态规划算法对很多实际问题的解决是灵活和高效的。首先对方格取数问题进行分析,通过一条路径和两条路径选择的对比分析,得出了该问题的动态规划算法,并对该算法关键部分加以代码实现,最后对该算法的时间和空间复杂度进行分析和讨论,并对复杂度进行优化。试验的结果说明了该算法对于解决该类问题在时间效率上要明显优于贪心算法等一些算法。
- 李枫迟洪钦
- 关键词:动态规划算法代码实现
- 基于最小代沟模型的遗传算法在PID参数整定中的应用
- 2010年
- 为了克服简单遗传算法收敛速度慢和寻优能力不足的缺点,将最小代沟模型应用至遗传算法,又利用多父体单形杂交和非均匀变异算子重新设计算法流程,有效均衡算法开发与探索问题解空间,并将其应用至比例积分微分(PID)参数寻优控制。仿真结果表明,利用该算法设计的PID控制器可以有效地提高寻优精度和收敛速度,具有很好的动态品质和稳定性,优于简单遗传算法。
- 左丽叶迟洪钦
- 关键词:遗传算法PID控制
- 多目标优化差分进化算法被引量:3
- 2011年
- 个体的适应度赋值和群体的多样性维护是进化算法的两个关键问题。首先,一方面,定义了Paretoε-支配关系的相关概念,通过Paretoε-支配关系确定个体的强度Pareto值,根据个体的强度Pareto值对群体进行Pareto分级排序,实现优胜劣汰;另一方面,使用拥挤距离估算个体的拥挤密度,淘汰位于拥挤区的一些个体,维持群体的多样性。然后,根据差分进化算法的特点,使用适当的进化策略和控制参数,给出了一种用于求解多目标优化问题的差分进化算法DEAMO。最后,数值实验表明,DEAMO在求解标准的多目标优化问题时性能表现优良。
- 敖友云迟洪钦
- 关键词:多目标优化差分进化进化算法