反向学习
反向学习的相关文献在2007年到2022年内共计272篇,主要集中在自动化技术、计算机技术、电工技术、机械、仪表工业
等领域,其中期刊论文243篇、会议论文4篇、专利文献88080篇;相关期刊131种,包括郑州大学学报(工学版)、电子学报、计算机仿真等;
相关会议4种,包括第29届中国控制会议、第二届全国智能信息处理学术会议、2009年全国模式识别学术会议暨首届中日韩模式识别学术研讨会等;反向学习的相关文献由752位作者贡献,包括王培崇、何庆、孙辉等。
反向学习—发文量
专利文献>
论文:88080篇
占比:99.72%
总计:88327篇
反向学习
-研究学者
- 王培崇
- 何庆
- 孙辉
- 李丽荣
- 李元香
- 汪慎文
- 赵嘉
- 李俊
- 王晖
- 谢承旺
- 龙文
- 丁立新
- 刘畅
- 吕莉
- 徐明
- 徐星
- 李波
- 林娟
- 纪志成
- 钟一文
- 于洪
- 何小聪
- 何杰光
- 余朋军
- 刘利钊
- 刘志伟
- 刘景森
- 刘洋
- 刘诗芹
- 包晓安
- 叶志伟
- 向紫藤
- 吴丽君
- 吴彪
- 吴志健
- 吴昱
- 吴江
- 吴涛
- 周凌云
- 周凯
- 周园园
- 周炫余
- 周舟
- 周锐
- 喻杉
- 喻飞
- 夏洁
- 孔祥勇
- 宋克
- 尹华一
-
-
明小菊;
珠兰
-
-
摘要:
针对目前生鲜食品冷链物流配送存在的效率低、成本高等问题,在满足需求点时间窗和需求量的前提下,以最小化总成本为目标构建冷链配送优化模型。利用莱维飞行和反向学习对粒子群算法进行优化用于模型求解。通过试验对比和分析,对方法的优越性进行验证。结果表明,生鲜食品冷链配送路径成本平均值较改进前有显著提高,不仅配送成本降低了678.97元,而且还最大限度地利用资源。为冷链配送路径优化方法的研究提供一定的参考。
-
-
李昀轩;
秦亮曦
-
-
摘要:
针对飞鼠搜索算法(SSA)求解精度不高、容易早熟等缺点,提出一种采用反向学习和差分进化改进的飞鼠搜索算法(ODESSA)。首先对最初种群使用反向学习生成其反向种群,增加初始种群的多样性。其次,在SSA中利用差分进化算法中的变异、交叉、选择机制扩大飞鼠搜索范围,以此增强算法的全局勘探能力。最后再次利用反向学习生成所有搜索个体的反向解,进一步增强算法的全局勘探能力和算法的求解精度,并将ODESSA与其他3种智能算法在12个基准函数上进行性能比较。结果表明,ODESSA有着最佳的寻优结果,收敛速度也快于SSA。
-
-
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.
-
-
张琳;
汪廷华;
周慧颖
-
-
摘要:
针对麻雀搜索算法在求解复杂优化问题时存在收敛速度慢、种群趋同性严重、易于陷入局部最优等不足,提出一种多策略改进的麻雀搜索算法(multi-strategy improved sparrow search algorithm,MISSA)。通过混沌映射和反向学习机制提高算法初始种群的质量;借鉴粒子群算法的学习策略来提升种群的信息交流能力和兼顾全局勘探与局部开发之间的平衡;融合差分进化算法的变异交叉操作提升算法跳出局部最优值的能力。通过对8个基准测试函数的寻优实验,结果表明改进算法具有更好的优化性能和收敛效率;进一步地,将改进算法应用于优化支持向量回归(support vector regression,SVR)模型的参数,并通过在选定的5个UCI数据集上的实验验证了改进算法的有效性。
-
-
刘志锋;
舒志浩;
胥越峰;
杨舒伊;
沈文龙
-
-
摘要:
针对传统人工鱼群算法存在易陷入局部最优解、鲁棒性差和搜索精度低的问题,提出一种基于粒子群算法自适应双策略的人工鱼群算法。该算法首先模拟粒子群算法的移动算子调整人工鱼的移动方向和位置,使人工鱼具有惯性机制,更好拓展新区域,从而为探索潜在的较优解提供更多的机会,增强其跳出局部最优的能力。然后运用一种自适应视野和惯性权值的策略,更好地平衡全局搜索与局部搜索之间的关系。最后引入反向学习机制,设计2种策略的随机行为,避免原始随机行为的盲目性,增加鱼群的多样性。仿真实验结果表明,改进后的算法在寻优精度、收敛速度以及鲁棒性等方面较其他人工鱼群算法有较大提高,在高维问题求解上有较好的优化效果。
-
-
杨寒石;
吴皓月;
孔德贵
-
-
摘要:
针对传统灰狼算法存在局部开发能力弱、早熟收敛以及初始种群分布不均匀等缺点,优化了传统灰狼算法。采用Cat混沌映射和反向学习初始化种群,增加初始种群的多样性和均匀性;在灰狼位置更新方面结合了粒子群算法的个体位置更新策略的优势,降低了算法陷入局部最优的风险;引入非线性控制参数,平衡了算法的全局搜索能力和局部开发能力;利用Levy飞行对α狼进行全局搜索,防止了算法后期狼群丧失多样性和算法收敛早熟。利用优化后的灰狼算法对6个标准测试函数进行理论仿真,结果表明,与传统灰狼算法、粒子群算法和蚁群算法相比,优化后的灰狼算法在标准函数求解精度和算法稳定性方面均有显著提高。
-
-
王剑;
王冰;
葛孟珂
-
-
摘要:
提出基于反向学习的人工蜂群算法(简称OABC算法).在人工蜂群算法的跟随蜂阶段,种群依概率进行反向学习代替跟随蜂搜索方案.保留标准人工蜂群算法中雇佣蜂和侦察蜂阶段以保证种群的探索能力以及种群的多样性,增设参数控制一般的反向学习过程中对位搜索范围,充分利用种群信息和个体信息优化种群,提高对位点的有效性,从而提高反向学习的成功率.仿真实验结果表明,OABC算法有效提升了算法寻优速度和收敛精度.
-
-
屠杭垚;
王万良;
陈嘉诚;
李国庆;
吴菲
-
-
摘要:
为了提高图像去雾的性能,提出结合大气散射模型生成对抗网络的去雾算法.算法在pix2pix GAN基础上进行改进,将网络的生成器改进成双解码器结构,通过双解码器分别生成无雾图像和透射率图,并结合大气散射模型还原雾图像,以进一步提高图像分解的质量.在马尔科夫判别器结构中,采用反向学习机制代替随机裁剪机制,以有效降低因采用随机裁剪算法而导致的判断结果不准确的概率.在原有的损失函数上,加入雾霾损失函数,提高图像转化的质量.在STOS和NYU数据集上进行消融实验和对比实验.大量实验表明所提出方法在PSNR和SSIM指标上比原算法Pix2pix GAN有所提高,且均优于现有去雾算法,复原图像具有清晰度高、噪声低、纹理丰富的优点.
-
-
贺弘扬
-
-
摘要:
为提升阀门与流量的调节效率,可以结合实际流量与上下游的液位参数,从而将闸门开度快速调控至计算目标位置,通过负反馈方式进行精确控制,按照以上方式可以实现控制效率的显著提升。研究结果表明,以控制计算和给定流量达到1%以内的误差,可以认为该文算法达到了所需精度标准。利用改进人工蜂群算法进行处理时对于各输入状态都能够计算得到精确闸门开度,确保误差不超过1%,表现出了优异跟随性能。并给出了实际控制方案,选择曲线外形结构的实用堰,由此获得更高的上游水位,经过以上方式综合处理后使堰顶达到闸孔出流的效果,确保下游水位必须比堰体更高的情况下才会引起闸门出流的变化并形成淹没出流。
-
-
熊聪聪;
杨晓艺;
王丹;
李俊伟;
管祥烁
-
-
摘要:
差分进化(differential evolution,DE)算法是一种种群随机搜索算法,但其在收敛过程中存在着容易陷入局部最优、收敛精度不高等问题.为更好地提升DE算法的性能,提出一种改进算法为基于反向学习和伯恩斯坦算子的差分进化算法.反向学习策略用于增加种群的多样性,扩大种群的搜索范围,从而弥补陷入局部最优的不足,提高了收敛速度;伯恩斯坦多项式随机产生算法的结构参数值控制了进化过程中的突变和交叉阶段,改变了差分进化算法原有的进化策略,提高了收敛性能,是一种更加快速、高效的无参数方法.通过国际标准测试函数的实验结果表明,改进后的差分进化算法具有更强的全局寻优能力,整体收敛速度和精度明显提高.
-
-
-
吴昱;
李元香;
徐星
- 《第二届全国智能信息处理学术会议》
| 2009年
-
摘要:
依据PSO和DE在函数优化方面所展现的优越性能,提出一种融合粒子群智能思想的新型反向混合差分进化算法(ODE-SI).本文分析这两种启发式方法之间的潜在联系,并在ODE-SI中不仅保留了粒子群智能思想中的经验记忆,而且应用了反向学习(opposition-based learning,OBL)操作促使演化生成过程的跃变,从而使算法具有较高的收敛速度和较好的种群多样性.此外,通过测试函数的仿真实验,本文将ODE-SI与其他DE和PSO算法进行比较.实验结果证实了新算法的高效性、通用性和稳健性.
-
-
-
-