期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
嵌入信息丢失和确定性搜索的蚁群算法分析
1
作者 陆维俊 潘勇 胡苏蓉 《电子测试》 2013年第5S期264-266,共3页
蚁群算法(Ant Colony Algorithm,ACA)是一种仿生算法,它引入了正反馈并行机制,具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合等优点。从基本的蚁群算法出发,针对算法运行过程中的信息丢失,嵌入信息丢失的部分,提高交互... 蚁群算法(Ant Colony Algorithm,ACA)是一种仿生算法,它引入了正反馈并行机制,具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合等优点。从基本的蚁群算法出发,针对算法运行过程中的信息丢失,嵌入信息丢失的部分,提高交互信息的利用率,以加快算法的搜索过程;同时嵌入确定性搜索的部分,采用模式搜索法中的步长加速法,以改善蚁群算法在运用中的运用性能,主要提高全局搜索收敛速度,并试图控制局部最优解的形成。本文最后对该改进算法做了仿真验证,结果表明:该改进的蚁群算法能较快收敛于较优的路径。 展开更多
关键词 蚁群算法 信息丢失 确定性搜索 仿真分析
下载PDF
基于确定性策略搜索的无人机协同路径规划算法
2
作者 聂铭涛 苏玉展 +1 位作者 陈改改 刘小雄 《飞行力学》 CSCD 北大核心 2024年第4期48-55,共8页
多无人机协同路径规划技术是无人机群突破防御执行协同作战任务的关键。针对多无人机突破敌方封锁进行协同作战的任务场景,提出了一种基于多智能体确定性策略搜索的无人机协同路径规划算法。首先对无人机协同路径规划问题中涉及的无人... 多无人机协同路径规划技术是无人机群突破防御执行协同作战任务的关键。针对多无人机突破敌方封锁进行协同作战的任务场景,提出了一种基于多智能体确定性策略搜索的无人机协同路径规划算法。首先对无人机协同路径规划问题中涉及的无人机动力学模型、协同约束和战场环境威胁进行了分析,建立了多机协同路径规划问题模型;接着,结合无人机协同路径规划问题的特性,设计了会合任务下无人机协同路径规划算法;基于多智能体确定性策略搜索算法,设计了网络结构和联合状态奖励函数,进而给出一种会合任务下的多无人机协同路径规划算法。仿真结果表明了所提设计算法的有效性。 展开更多
关键词 多机协同 路径规划 多智能体 确定性策略搜索算法
原文传递
“应召”搜索问题的最优搜索路线 被引量:5
3
作者 黄德所 杨玉林 +2 位作者 赵大政 师福祥 张剑锋 《运筹与管理》 CSCD 1999年第3期31-33,共3页
解决了确定性二次搜索(即“应召”搜索)问题的最优搜索路线。在搜索时间期望值最小、最远可能航程最短、最长可能时间最短三个准则下分别找出了相应的最优搜索路线,并从理论上严格证明了三者的统一性。
关键词 “应召”搜索 最优搜索路线 确定性二次搜索
下载PDF
蚁群算法求解连续空间优化问题 被引量:54
4
作者 杨勇 宋晓峰 +1 位作者 王建飞 胡上序 《控制与决策》 EI CSCD 北大核心 2003年第5期573-576,共4页
借鉴蚁群算法的进化思想,提出一种求解连续空间优化问题的蚁群算法。该算法主要包括全局搜索、局部搜索和信息素强度更新规则。在全局搜索过程中,利用信息素强度和启发式函数确定蚂蚁移动方向。在局部搜索过程中,嵌入了确定性搜索,以改... 借鉴蚁群算法的进化思想,提出一种求解连续空间优化问题的蚁群算法。该算法主要包括全局搜索、局部搜索和信息素强度更新规则。在全局搜索过程中,利用信息素强度和启发式函数确定蚂蚁移动方向。在局部搜索过程中,嵌入了确定性搜索,以改善寻优性能,加快收敛速率。通过一个实例问题的求解表明了该算法的有效性。 展开更多
关键词 蚁群算法 连续空间优化 确定性搜索
下载PDF
基于演化的信赖域方法 被引量:3
5
作者 钟守楠 蔡晓芬 钟良 《武汉大学学报(理学版)》 CAS CSCD 北大核心 2002年第5期527-532,共6页
把全局搜索性能优良的演化算法与具有总体收敛性能的信赖域算法相融合形成局部随机搜索与全局确定性搜索相结合的演化信赖域方法 ,它具有适应性广 ,收敛性能好和收敛速度快的特点 ,为解决复杂的非线性优化问题提供了一种有效算法 。
关键词 演化信赖域方法 非线性优化问题 收敛性能 收敛速度 局部随机搜索 全局确定性搜索
下载PDF
串并联双机器人系统任务分配的蚁群优化
6
作者 付永领 罗婉琴 《机械工程学报》 EI CAS CSCD 北大核心 2011年第3期36-42,共7页
针对一种新型串并联双机器人联合作业系统的任务分配进行方法设计和整体优化。分别采用蚁群优化中的近似非确定性树搜索(Approximate nondeterministic tree search,ANTS)和最大最小蚂蚁系统(Max-min-ant-system,MMAS)作为任务分配的优... 针对一种新型串并联双机器人联合作业系统的任务分配进行方法设计和整体优化。分别采用蚁群优化中的近似非确定性树搜索(Approximate nondeterministic tree search,ANTS)和最大最小蚂蚁系统(Max-min-ant-system,MMAS)作为任务分配的优化策略,并在MMAS中加入局部搜索以进一步优化路径构建过程中得到的局部最优解。仿真结果以及与之前相关研究成果的对比表明,MMAS在寻优过程中的迭代收敛速度优于ANTS,且经过一段时间的开发探索之后,获得的最优解的质量也比ANTS要好;MMAS与局部搜索相结合的方法比单独使用MMAS更加进一步提高了最终解的质量。进化曲线证明了算法对系统任务分配及优化的适应性和优越性。试验结果经与传统组合优化方法对比,进一步验证了算法的优化效果。 展开更多
关键词 串并联双机器人系统 任务分配 蚁群优化 近似非确定性搜索 最大最小蚂蚁系统 局部搜索
下载PDF
A Variation Account of Divergent Thinking
7
作者 Leonid Dorfman Vera Gassimova 《Journal of Literature and Art Studies》 2017年第8期1039-1053,共15页
A variation account was applied to divergent thinking accommodated as a kind of creative thinking. To provide control (contrast) condition the variation account was applied to psychometric intelligence. Guilford's ... A variation account was applied to divergent thinking accommodated as a kind of creative thinking. To provide control (contrast) condition the variation account was applied to psychometric intelligence. Guilford's (1956, 1967, 1988) theory of divergent-----convergent thinking served the background of our study. The main premise was that creative variation represents "thought trials" with diverse ways to find a solution to the problem. Task demands and the respective creative problem solving reveal advantageous sources that suggest the variation. Probably, uncertainty, information search, and finding alternatives extracted from memory precede, entail and provide variety of seeking, as well. A principal hypothesis to be tested was that divergent thinking enables its variation rather than intelligence does that to its variation. As predicted, the divergent thinking and its variation were related. Compared to uncreative, creative persons were characterized by larger variation. Apart from the mathematical intelligence, other kinds of intelligence and their variation did not correlate. Mainly, the data obtained, thus, lend support to the claimed hypothesis. 展开更多
关键词 VARIATION CREATIVITY divergent thinking INTELLIGENCE SCATTERING
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部