您现在的位置: 首页> 研究主题> 收敛精度

收敛精度

收敛精度的相关文献在1990年到2022年内共计135篇,主要集中在自动化技术、计算机技术、建筑科学、电工技术 等领域,其中期刊论文114篇、会议论文18篇、专利文献85387篇;相关期刊86种,包括西安文理学院学报(自然科学版)、资源环境与工程、海洋预报等; 相关会议18种,包括第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)、第十六届全国计算流体力学会议、第七届中国智能计算大会等;收敛精度的相关文献由307位作者贡献,包括李丽娟、张瑰、刘锋等。

收敛精度—发文量

期刊论文>

论文:114 占比:0.13%

会议论文>

论文:18 占比:0.02%

专利文献>

论文:85387 占比:99.85%

总计:85519篇

收敛精度—发文趋势图

收敛精度

-研究学者

  • 李丽娟
  • 张瑰
  • 刘锋
  • 张超
  • 李辉
  • 刘成忠
  • 凤丽洲
  • 季伟东
  • 张水平
  • 李振兴
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

期刊

    • 李文超; 贺兴时; 贺飞跃; 杨新社
    • 摘要: 花朵授粉算法(Flower Pollination Algorithm,FPA)是一种新颖的智能优化算法,广泛应用于解决复杂工程优化和多目标优化问题.针对该算法收敛精度低、速度慢和维数敏感等问题,通过引入佳点集理论初始化种群,使用自适应转化概率调整自花授粉与异花授粉,提出一种自适应高斯变异花授粉算法.对11个测试函数进行仿真,结果表明:改进算法有较高的收敛精度和收敛速度,并改善了基本花授粉算法对维数敏感问题.
    • 吴芸; 程冲华; 江海新; 刘俊峰; 李进
    • 摘要: 梯度优化算法(Gradient-based optimizer,GBO)是从牛顿法中得到启发,采用梯度搜索规则(GSR)和局部逃逸算子(LEO)进行搜索的一种新算法.针对算法求解精度低、收敛速度慢及容易陷入局部最优的不足,提出了一种基于交叉算子的反向梯度优化算法(MGBO).该算法将每次迭代所得种群中较差的一半个体与当前最优个体进行两两交叉以提高解的精度并增加种群多样性;然后对搜索后所得种群中所有个体进行反向学习操作,使得算法有能力逃离局部最优.在9个基准函数上的实验结果表明,改进算法的收敛速度和求解精度得到较大的提升.
    • 胡凯; 李均利; 林秀丽; 邓浩
    • 摘要: 针对经典粒子群优化(PSO)算法在算法前期易陷入局部极值、后期收敛精度低的问题,提出一种结合引力测度和质心变异策略的混合粒子群优化算法(GMCMPSO).首先,在算法初始阶段采用精英分组策略,以方便获取种群的优秀信息;其次,对两个子群采用引力测度策略,以达到种群间信息的高效共享;最后,在引力测度的引导下对一部分普通粒子进行随机变异、对剩余的普通粒子进行质心变异,以使得算法能够有效跳出局部极值和开发最具潜力的区域,并提高算法的收敛精度.将所提出的算法和经典粒子群优化(PSO)算法、萤火虫和粒子群的混合优化(HFPSO)算法、基于分层自主学习的改进粒子群优化(HCPSO)算法、适应度依赖优化(FDO)算法共5个算法在16个标准测试函数上进行了比较,各项实验结果表明,GMCMPSO在高维多峰函数上对比其他4个算法有更高的收敛精度和更快的收敛速度.
    • 张欣; 庄园; 宁学玲; 治强
    • 摘要: 电力系统经济负荷运行调节中,存在复杂的非凸、非线性问题,难以实现电力系统运行可靠性和经济性。传统群体智能算法只是单一模仿生物群体行为,不能很好地进行电力系统负荷经济调节。因此提出了一种基于群体智能算法统一框架的粒子群算法,算法根据不同的适应度隶属度函数赋予不同惯性权重,通过外点法构造辅助函数将非可行域的约束以罚函数形式写入目标函数,并建立变罚系数提升目标函数求解过程的搜索范围和收敛速度,同时由搜索策略和变异策略,提升全局搜索能力。通过仿真结果表明:改进PSO算法相较于传统遗传算法、粒子群算法的收敛速度更快,解的离散度更小,收敛精度更高。
    • 何光; 卢小丽
    • 摘要: 针对原始量子粒子群优化算法(QPSO)在面对复杂多模函数时容易出现早熟和收敛精度低的情况,提出了一种具有随机扰动机制的改进QPSO算法(MQPSO)。在改进算法设计时,首先借鉴了遗传算法中交叉算子的思想,并结合随机扰动操作,对单个粒子的历史最优位置和全局最优位置进行了重新设定,以增强算法在迭代后期的收敛性能,同时维持种群的多样性;其次,对QPSO算法中的重要参数收缩-扩张因子,进行了非线性调整,以提高算法的全局收敛速度和精度。通过8个测试函数,将MQPSO算法与4个现有的改进算法从平均值、标准差和最好取值三个方面进行了对比;进而根据中国证券市场中15只股票的历史数据,分别运用粒子群优化算法、量子粒子群优化算法、布谷鸟搜索、蝙蝠算法和MQPSO算法对一类具有最小最大风险的投资组合优化模型进行数值求解。实验表明:MQPSO算法无论在基准测试中还是在仿真应用上,其计算结果在收敛精度和稳定性方面均优于其他群智能算法。
    • 李大海; 伍兆前; 王振东
    • 摘要: 针对经典花授粉算法容易陷入局部最优解和收敛速度慢的缺点,提出一种增强型透镜成像策略和随机邻域变异策略的花授粉算法。通过增强型透镜成像策略扩展花授粉算法的搜索空间,增加解的多样性,有助于算法跳出局部最优解。引入随机邻域变异策略,借助邻域内的信息指导算法搜索,增强算法的收敛精度和搜索速度。对改进后的花授粉算法和四种其他改进算法在CEC2013测试函数上进行比较,实验证明改进后的多策略花授粉算法不论是收敛精度还是搜索速度都比对比算法优秀。最后把多策略花授粉算法应用在汽车传动参数模型上研究该算法的实际效用,结果表明多策略花授粉算法在汽车传动参数优化问题上都优于对比算法。
    • 余志同; 傅文渊
    • 摘要: 针对带有随机干扰的线性离散时不变系统,提出一种分数阶相位校正迭代学习控制算法.设计一种新型相位超前校正与分数阶迭代学习控制相结合的迭代学习控制(ILC)学习律.基于频域分析方法,得到分数阶相位校正迭代学习控制在算法开、闭环两种情况下的频域收敛条件.结果表明:文中算法显著提高了ILC跟踪误差的收敛速度和收敛精度,具有先进性和有效性.
    • 叶坤涛; 郜海毅; 李晟
    • 摘要: 为改善群居蜘蛛优化算法中存在的收敛速度较慢和收敛精度低的问题,提出基于混沌映射与高斯变异的群居蜘蛛优化算法。首先,在种群初始化过程中采用混沌映射反向学习策略;其次,蜘蛛位置更新过程中引入自适应权重和动态概率因子;最后,在种群完成交配操作后,针对蜘蛛群中最优个体位置进行高斯变异扰动。通过实验证明:改进后的算法在测试函数上能够做到快速收敛,同时函数的最终收敛精度得到明显提高。通过30维与50维的实验结果可以看出,改进后的算法对于不同维度的函数都有着较好的收敛精度
    • 舒晖; 王以伍
    • 摘要: 为进一步提升医学图像的视觉质量,针对DnCNN算法的局限性和医学图像的特征,采用改进的深度卷积神经网络算法进行图像去噪。改进方法应用多尺寸卷积核提取医学图像不同尺度特征,增加深度网络对医学图像的适应性;改进常规网络中激活函数和损失函数的定义方式,从而更好地保护输出结果中的边缘/纹理细节信息;增加一个跳跃连接,提升网络的训练速度和算法的收敛精度。仿真模拟结果表明,相比DnCNN算法、ID-CNN算法、BM3D算法和曲波变换去噪算法,该改进网络具有更好图像细节保持以及更好的去噪效果,图像的峰值信噪比平均提升56%以上,结构相似度平均提升至0.881。改进的深度卷积网络去噪效果好、效率高,在医学图像处理中具有较强的推广性。
    • 何光; 卢小丽; 李高西
    • 摘要: 针对量子粒子群优化(Quantum Particle Swarm Optimization,QPSO)算法的缺陷,提出了一种基于Lévy飞行策略和混合概率分布的改进量子粒子群优化(Hybrid Quantum Particle Swarm Optimization,HQPSO)算法。在算法的设计中,借助Lévy飞行策略对粒子位置的迭代公式进行更新,用于改善算法的局部收敛精度,增强其全局探索能力。另外,考虑到迭代后期的早熟问题,在势阱模型中引入了指数分布和正态分布相结合的混合概率分布,帮助算法及时逃离局部最优。基于16个基准函数的测试结果表明,HQPSO算法在收敛精度和鲁棒性上比其他几种算法表现更好。最后,将改进的QPSO算法应用到自融资投资组合模型的求解中,其数值结果与差分进化、粒子群优化算法和量子粒子群优化算法相比,HQPSO算法展现出更好的可比性和优越性。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号