主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
王蓉芳,焦李成,刘芳,杨淑媛.自适应动态控制种群规模的自然计算方法.软件学报,2012,23(7):1760-1772
自适应动态控制种群规模的自然计算方法
Nature Computation with Self-Adaptive Dynamic Control Strategy of Population Size
投稿时间:2011-03-10  修订日期:2011-11-02
DOI:10.3724/SP.J.1001.2012.04151
中文关键词:  自然计算  种群规模  动态控制  Logistic 模型  数值优化
英文关键词:nature computation  population size  dynamic control  Logistic model  numerical optimization
基金项目:国家自然科学基金(60872135, 60803098, 61001202, 61003199); 陕西省“13115”科技创新工程重大科技专项(2008ZDKG-37); 高等学校学科创新引智计划(B07048); 国家教育部博士点基金(200807010003, 20090203120016, 20100203120008); 国家部委科技项目(9140A07011810DZ0107, 9140A07021010DZ0131); 中央高校基本科研业务费专项资金(K50510020001)
作者单位E-mail
王蓉芳 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071 rongfang.w@gmail.com 
焦李成 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071  
刘芳 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071
西安电子科技大学 计算机学院,陕西 西安 710071 
 
杨淑媛 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071  
摘要点击次数: 3254
全文下载次数: 3400
中文摘要:
      提出了一种种群规模自适应动态控制策略,实现了种群规模根据进化过程自适应的动态变化.该策略的实现不依赖于算法进化操作的具体步骤,因而适用于各种基于种群优化的自然计算方法.首先给出了动态控制策略的框架;然后,在此框架下,充分利用动态种群规模反馈的有用信息,提出了基于Logistic 模型的增加/删除数目自适应变化的方法,设计了自适应地兼顾有效性和多样性的增加算子和基于多样性的删除算子.将该策略应用到两种不同的自然计算方法中,采用经典测试函数和新型CEC05 测试函数验证其性能.实验结果均表明,结合了所提出的种群规模自适应动态控制策略的新算法,比原算法在求解精度和收敛速度上均有明显的提升.
英文摘要:
      A new self-adaptive dynamic control strategy of population size is proposed. This strategy can be easily combined with various nature computation methods because its implementation is independent of the evolutionary operation details. The framework of the strategy is first given. Based on the framework, the study proposes a method which can vary the number of increase/decrease on the basis of the logistic model. The study also designs an increase operator giving consideration to the effectiveness and diversity adaptively, as well as a decrease operator with the diversity. The strategy is applied to two different nature computation methods. Experimental evaluation is conducted on both a set of standard test functions and a new set of benchmark functions CEC05. The results show that the new algorithms with proposed strategy outperform the original algorithms on both the precision and convergence rate.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利