计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2013年
7期
1435-1443
,共9页
薛羽%庄毅%孟新%张友益
薛羽%莊毅%孟新%張友益
설우%장의%맹신%장우익
自适应%学习%差分进化%人工免疫系统%微粒群优化%矩阵%特征值
自適應%學習%差分進化%人工免疫繫統%微粒群優化%矩陣%特徵值
자괄응%학습%차분진화%인공면역계통%미립군우화%구진%특정치
self-adaptation%learning%differential evolution (DE)%artificial immune systems (AIS)%particle swarm optimization (PSO)%matrix%eigenvalues
为了增强数值优化算法的高效性和鲁棒性,提出一种基于自适应学习的集成算法(self-adaptivelearning-based ensemble algorithm,SALBEA).在SALBEA中,采用贪婪繁殖算子、进化搜索策略学习算子、X进化算子、种群多样性维持算子改进算法进化结构.此外,SALBEA通过引入概率选择模型和自适应学习机制集成了4种有效的进化搜索策略.首先,为了评估所提算法的性能,采用26个测试函数进行算法对比测试,实验结果表明SALBEA比同类算法具有更好的高效性和鲁棒性.最终,将SALBEA用于求解矩阵特征值这一数值计算问题,结果表明该算法求解精度较高,具有较好的应用前景.
為瞭增彊數值優化算法的高效性和魯棒性,提齣一種基于自適應學習的集成算法(self-adaptivelearning-based ensemble algorithm,SALBEA).在SALBEA中,採用貪婪繁殖算子、進化搜索策略學習算子、X進化算子、種群多樣性維持算子改進算法進化結構.此外,SALBEA通過引入概率選擇模型和自適應學習機製集成瞭4種有效的進化搜索策略.首先,為瞭評估所提算法的性能,採用26箇測試函數進行算法對比測試,實驗結果錶明SALBEA比同類算法具有更好的高效性和魯棒性.最終,將SALBEA用于求解矩陣特徵值這一數值計算問題,結果錶明該算法求解精度較高,具有較好的應用前景.
위료증강수치우화산법적고효성화로봉성,제출일충기우자괄응학습적집성산법(self-adaptivelearning-based ensemble algorithm,SALBEA).재SALBEA중,채용탐람번식산자、진화수색책략학습산자、X진화산자、충군다양성유지산자개진산법진화결구.차외,SALBEA통과인입개솔선택모형화자괄응학습궤제집성료4충유효적진화수색책략.수선,위료평고소제산법적성능,채용26개측시함수진행산법대비측시,실험결과표명SALBEA비동류산법구유경호적고효성화로봉성.최종,장SALBEA용우구해구진특정치저일수치계산문제,결과표명해산법구해정도교고,구유교호적응용전경.
