高维进化策略调整神经网络结构和参数

提出一种基于佳点集原理的进化策略用于神经网络结构和参数的调整.为了克服正交设计法的一些不足来处理高维最优化问题,本文采用分步交叉框架,将佳点集技术引入实数域交叉算子增强高维空间的搜索能力.前馈神经网络的隐含节点与连接边数从小逐步递增直至学习效果足够好.通过调整能得到一个部分连接的前馈网络,减少了网络实现的耗费.最后,佳点集进化策略有效应用于生成预测太阳黑子的演化神经网络.实验结果证明了新方法的有效性.

一种基于佳点集遗传算法的物流配送网络优化

首先根据实际问题分析了物流配送网络优化模型的各个关键组成部分,包括优化目标、决策变量和约束条件,并针对目前物流配送网络优化算法中存在的一些问题提出了一种新的算法,其核心是佳点集遗传算法。该算法编码采用prufer num ber结构,变异和交叉概率自适应选择。

基于分数阶调整动态边界的蜣螂优化算法

针对蜣螂优化算法在全局优化问题中易陷入局部最优与收敛精度低的问题,提出一种改进的蜣螂优化算法。采用佳点集序列取代原始算法中随机产生的初始种群提升种群的多样性;引入分数阶微积分方法调整区域动态边界,分离重叠的种群个体,提升算法的局部开采性能;提出探路蜣螂更新机制对全局最佳位置进行更新,防止其陷入局部最优。通过24个基准测试函数的全局优化实验与5个经典数据集的特征选择实验验证了改进算法相比同类型算法具有更好的寻优性能。