- 博客(781)
- 收藏
- 关注
RSS订阅
原创 【智能算法】智能算法空间搜索图GIF，探索开发对比图，动态展示理解更清晰~
是指对已经发现的候选解进行优化，以使其更接近最优解。探索与开发的平衡是智能算法重要因素，它能够在搜索过程中平衡全局搜索和局部搜索。其中，median(xj)表示种群个体j维度上中位数。是指涉及搜索空间的广泛探索，以发现可能的解决方案。其中，Xpl，Xpt分别代表探索与开发。
2024-04-13 20:02:03
964
原创 【智能算法改进】混沌映射策略--一网打尽
基本种群初始化是在整个空间内随机分布，具有较高的随机性和分布不均匀性，会导致种群多样性缺乏，搜索效率低等问题。许多学者利用混沌映射机制来增加种群的多样性，以改善算法的性能，其非线性特性和周期性质使得它能够生成更复杂、更随机的序列，有助于增加种群的多样性，避免种群陷入局部最优解。
2024-03-28 22:58:40
2824
原创 【智能算法】保姆级教程-如何使用CEC测试集，以及如何定义自己的优化问题
这里举例minfx1x2sinx1x22minfx1x2sinx1x22首先编写目标函数fun.m：有约束问题一般采用罚函数法将约束问题转为无约束问题，其思想是当优化变量不满足约束时进行惩罚。这里举例minfx1x2sinx1x22stx1x212x1−x20\\⎩⎨⎧minfx1x2sinx1x22st。
2024-03-16 22:35:05
3278
原创 【算法应用】基于灰狼算法GWO求解无人机集群路径规划问题
为了实现UAV的高效运行，计划的路径需要在某一特定标准上达到最优。UAV飞行路径Xi表示为UAV需要飞过的一系列n个航路点，每个航路点对应搜索地图中的一个路径节点，其坐标为Pij = (xij, yij, zij)。除了最优性外，计划的路径还需要通过引导UAV避开操作空间中出现的障碍来确保UAV的安全运行。设K为所有威胁的集合，每个威胁假设为一个圆柱体，其投影中心坐标为Ck，半径为Rk。，与威胁相关的成本与其到Ck的距离dk成正比。UAV平滑度是对UAV方位角和俯仰角约束，这些是生成可行路径的关键。
2025-04-04 15:28:01
364
原创 2023年CIE SCI1区TOP：序列融合麻雀搜索算法ISSA，深度解析+性能实测
麻雀搜索算法（SSA）是一种基于麻雀觅食和防捕行为的群体智能算法。然而，基本SSA在迭代过程中，种群多样性逐渐降低，容易陷入局部最优解。为了解决这一问题，本文提出了五种改进麻雀搜索算法（ISSA 1-5），通过依次融合五种改进策略：改进的正弦映射、精英反向学习、正弦余弦算法、莱维飞行和高斯变异，从而提升SSA的性能。
2025-04-02 20:40:01
930
原创 2021年ASOC SCI1区：自适应差分进化算EaDE，深度解析+性能实测
现有的多策略自适应差分进化算法（DE）通常会试验多种策略，并将更多资源分配给表现更优的策略。然而，这种方法的实施可能会导致过度开发或过度探索的问题。为了优化性能，本文提出了显式自适应方案（Ea scheme），它将不同策略分开，并根据需求灵活运用。EaDE是将进化过程分为选择候选者与相似性选择（SCSS）代和自适应代。在SCSS代中，通过采用平衡策略来学习和满足开发与探索的需求；而在自适应代中，则根据这些需求自适应地采用开发性或探索性策略。
2025-04-01 19:25:02
821
原创 【智能应用】粒子群算法在物流配送中心选址的应用（无待选配送中心）
2] 杨小琴,朱玉全.改进麻雀搜索算法求解物流配送中心选址问题[J].计算机工程与设计,2023,44(05):1441-1450.[1] 阮信波,刘丽华,陈丽瑾.麻雀搜索算法在物流配送中心选址的应用[J].物流技术,2021,40(12):40-43+101.其中，xij表示配送中心i是否配送需求点j；cj表示需求点的需求量；dij表示配送中心i到需求点j距离（这里采用欧式距离）。【智能算法】粒子群算法（PSO）原理及实现。设有 n 个需求点和m个物流配送中心（
2025-03-31 20:34:48
583
原创 2019年ASOC SCI1区：基于终端交叉和扰动导向粒子群算法TCSPSO，深度解析+性能实测
粒子群算法（PSO）是一种简单而高效的进化算法，它已被广泛应用于解决多种现实世界的优化问题。尽管如此，种群多样性容易丧失是其一个缺点，这使得粒子难以逃离局部最优。为了解决这一问题，本文提出了基于终端交叉和扰动导向粒子群算法（TCSPSO），其通过构建一个新的交叉算子来增强种群多样性。为了帮助粒子跳出局部最优，采用全局扰动并在迭代后期改变粒子的移动方向。
2025-03-30 11:11:47
337
原创 【算法应用】基于粒子群算法PSO求解无人机集群路径规划问题
为了实现UAV的高效运行，计划的路径需要在某一特定标准上达到最优。UAV飞行路径Xi表示为UAV需要飞过的一系列n个航路点，每个航路点对应搜索地图中的一个路径节点，其坐标为Pij = (xij, yij, zij)。除了最优性外，计划的路径还需要通过引导UAV避开操作空间中出现的障碍来确保UAV的安全运行。设K为所有威胁的集合，每个威胁假设为一个圆柱体，其投影中心坐标为Ck，半径为Rk。，与威胁相关的成本与其到Ck的距离dk成正比。UAV平滑度是对UAV方位角和俯仰角约束，这些是生成可行路径的关键。
2025-03-29 11:12:33
476
原创 2024年SEVC SCI1区：进化尺度适应差分进化算法ESADE，深度解析+性能实测
差分进化算法（DE）的性能在很大程度上依赖于进化尺度，该尺度由包括变异、交叉等生成操作以及包括突变因子和交叉率的控制参数所控制。调整进化尺度以适应不同类型的问题是DE研究中一个关键且具有挑战性的未解决问题。为了有效地解决这一问题，本文提出了一种基于进化尺度适应差分算法（ESADE）。ESADE提出了一个成功的尺度估计机制，通过利用试验向量和目标向量提供的成功进化反馈来测量适当的进化尺度。
2025-03-28 18:23:26
978
原创 2024年SEVC SCI1区TOP：多策略灰狼算法MSGWO，深度解析+性能实测
在评估基金表现时选择特征的方法主要依赖于传统统计学，这在多维背景下可能导致数据维度过高。灰狼算法（GWO）是一种群体智能优化算法，以其结构简单和参数少而广泛应用于特征选择。然而，GWO存在局部最优和探索与开发不平衡的问题。本文提出了一种多策略灰狼算法（MSGWO），在初始化阶段应用随机对立学习以增强种群质量。非线性化收敛因子以协调全局探索和局部开发能力。最后，应用两阶段混合变异算子来修改更新机制，以增加种群多样性并平衡GWO的探索和开发能力。
2025-03-26 20:04:24
969
原创 2024年FGCS SCI2区TOP：多样性迁移策略量子粒子群算法DM-QPSO，深度解析+性能实测
粒子群算法因其简单高效，已成功应用于实际优化问题。然而，传统粒子群优化算法在复杂的高维优化问题中表现不佳，容易陷入局部最优。为了解决这一问题，本文提出了一种基于多样性迁移的量子粒子群算法（DM-QPSO），其引入了一种新的迁移机制，能够在种群中捕捉不同范围的粒子，并根据适应度值和种群位置共同决定迁移个体的选择。通过比较粒子的适应度值和平均汉明距离，偏离种群中心范围的粒子将被替换，从而优化种群的迭代方向。
2025-03-25 19:28:59
1004
原创 2023年TEVC SCI1区TOP：基于粒子群算法的紧凑神经结构搜索图像分类
卷积神经网络（CNN）作为深度学习中一个卓越的计算模型，其架构关键性地推动了多种任务的性能突破。随着神经架构搜索（NAS）技术的兴起，设计网络架构的过程已趋向自动化。众多NAS方法不仅挖掘出超越人工设计的新型CNN架构，但面临的主要问题包括高计算复杂性及其对深度模型部署的负面影响，以及限制架构设计灵活性的问题。针对这些挑战，本研究提出了一种基于进化计算（EC）的紧凑且灵活的NAS方法。通过采用参数高效的移动反转瓶颈卷积块作为基本组件，确保了紧凑架构的初步质量。
2025-03-24 21:04:43
618
原创 2021年ASOC SCI2区TOP：非线性混沌哈里斯鹰优化算法NCHHO，深度解析+性能实测
本文提出了一种非线性混沌哈里斯鹰优化算法（NCHHO），NCHHO算法通过引入混沌映射和非线性控制参数来提升HHO的优化性能。混沌映射的使用主要是为了增强算法的探索性，而非线性控制参数则帮助调整探索性与开发性之间的平衡。
2025-03-22 18:04:16
701
原创 2019年群智能 SCI1区TOP：基于Sigmoid加速系数混沌粒子群算法CPSOS，深度解析+性能实测
本文提出了一种基于Sigmoid加速系数混沌粒子群算法（CPSOS），CPSOS采用logistic映射生成良好分布的初始粒子，其提出了基于Sigmoid加速系数，以平衡初期的全局搜索能力与后期的全局收敛性。本文引入了两种不同的逐步变化和规则变化函数嵌入更新机制，并结合基于混沌的重初始化和高斯变异策略，在不同的进化阶段更新粒子，从而有效保持群体的多样性，避免局部最优解困境，继续探索解空间的潜在搜索区域。
2025-03-20 21:10:06
585
原创 2021年ESWA SCI1区TOP：均匀差分灰色进化算法GPEAed，深度解析+性能实测
受灰色预测理论的启发，本文提出了一种基于偶差灰色模型的进化算法，其利用偶差灰色模型开发了一种新的繁殖算子。繁殖算子将种群序列视为时间序列，使用灰色算子将从种群序列中选取的无序数据转化为具有近似指数规律的序列数据。基于生成的序列数据，利用偶差灰色模型构建指数模型。最后，繁殖算子根据指数模型的预测结果获得试验种群。
2025-03-19 17:51:53
852
原创 2023年ASOC SCI1区TOP：并行全局最优-最差粒子群算法GBWPSO，深度解析+性能实测
群体优化算法的应用范围非常广泛，但是高维度和更多决策变量使得这些优化问题变得更加复杂。因此，本文提出了一种全局最优-最差粒子群算法（GBWPSO），提供一个完全并行的算法版本。GBWPSO算法结合了PSO和Jaya算法，具有更高的并行性。
2025-03-18 19:27:05
1093
原创 【算法应用】基于粒子群算法求解Renyi熵图像多阈值分割问题
多阈值图像分割（Multi-threshold image segmentation, MIS）是一种通过应用多个阈值将图像分割为多个区域的技术，与传统的二值图像分割方法相比，MIS能够更精确地划分区域，有效提取和分离图像中的多个目标或感兴趣区域。二维Renyi熵是一种用于描述二维随机变量联合分布的不确定性或信息量的指标。当分布的不确定性和复杂性增加时，二维Renyi熵值会增大；在图像分割领域，二维Renyi熵被用于量化纹理特征，有助于更好地理解图像的纹理属性。
2025-03-17 19:48:52
990
原创 2022年BKS SCI1区TOP：自适应加权差分进化SaWDE，深度解析+性能实测
许多进化计算方法被用于解决特征选择问题，但主要针对小规模问题，而大规模特征选择时常遇到局部最优停滞和数值不稳定的问题。因此，本文提出了一种自适应加权差分进化算法（SaWDE），其应对大规模特征选择的挑战。SaWDE方法首先采用多种群机制以提升种群多样性，然后引入一个自适应机制，从策略池中选取策略来捕捉数据集的不同特性。
2025-03-16 10:28:37
895
原创 2024年ASOC SCI1区TOP：灰狼算法GWO潜在修正，深度解析+性能实测
灰狼算法（GWO）是一种模拟灰狼领导层次和狩猎机制的优化算法，近年来受到了广泛关注。然而，研究表明，GWO的部分公式存在缺陷，且该算法仅在函数最优值为0时能够取得优异的结果。因此，本文对GWO的固有缺陷进行了探讨，并提出了几种修正变体以改进其性能。本文提出的三项主要修正包括：去除系数向量CCC、去除因子DDD的绝对值符号以及引入当前到猎物接近策略。
2025-03-15 10:30:57
635
原创 2020年SCI1区TOP：自适应粒子群算法MPSO，深度解析+性能实测
在专家系统中，复杂的优化问题通常具有非线性、非凸、多模态和不连续的特点。粒子群算法（PSO）作为一种高效且简单的优化算法，已广泛应用于解决这些实际问题。然而，如何避免早熟收敛并平衡PSO的全局探索能力和局部开发能力，仍然是一个待解决的挑战。因此，本文提出了一种自适应策略粒子群算法（MPSO），MPSO通过引入基于混沌的非线性惯性权重来平衡全局探索和局部开发能力，避免早熟收敛。MPSO采用了随机和主流学习策略，以及自适应位置更新策略和终止替换机制，从而增强了其解决复杂优化问题的能力。混沌惯性权重在PSO中，惯
2025-03-13 21:34:23
847
原创 2022年SCI1区TOP：信念空间和广义对立学习自适应差分进化算法ACDE/F，深度解析+性能实测
差分进化算法（DE）在解决复杂优化问题时常面临过早收敛和局部优化的挑战。为了解决这些问题，本文提出了一种自适应差分进化算法（ACDE/F），该算法结合了信念空间策略、广义对立学习策略和参数自适应策略。ACDE/F通过引入文化算法的思想和不同的变异策略到信念空间中，平衡了全局探索能力和局部优化能力。广义对立学习策略提高局部优化过程的收敛速度并增加种群的多样性。此外，ACDE/F提出了参数自适应调整策略，合理调整变异因子和交叉因子，以避免陷入局部最优。
2025-03-12 19:38:11
831
原创 2024年群智能SCI1区TOP：混沌可行性恢复粒子群算法CEPSO，深度解析+性能实测
本文研究了解决二阶段非线性固定费用运输问题（Two-stage NFCTP），该问题的特点是每条运输弧线都与固定费用和与运输量的平方成正比的变量费用相关联。由于涉及固定费用和非线性组件，问题被归类为NP-hard问题，因此本文提出了混沌可行性恢复粒子群算法（CEPSO），该算法引入非线性自适应惯性权重和加速度系数，以改善搜索过程中的探索和开发能力；集成十种混沌映射到加速度系数，进一步提升优化性能；采用可行性恢复机制，包括约束遵循调整和比例调整程序，确保生成的解始终满足可行性要求。
2025-03-11 23:03:06
973
原创 SCI1区TOP：集体信息驱动差分进化算法CIPDE，深度解析+性能实测
差分进化（DE）算法在处理全局优化问题时表现出了卓越的性能。DE的变异操作是唯一生成新候选解的过程，它通过组合现有解向量来形成潜在的新解。本研究提出了挑战传统方法的观点，反对仅使用单一最优向量，建议通过集体信息来增强DE的性能。我们提出使用mmm个最佳候选解的集体信息，通过线性组合这些最佳候选解的进化信息，形成差分向量的一部分用于变异操作。此外，集体信息还可以在交叉操作中发挥作用。
2025-03-10 11:52:12
621
原创 2025年SCI2区TOP：人工旅鼠算法ALA，深度解析+性能实测
本文提出了一种人工旅鼠算法（ALA），这是一种基于自然界旅鼠行为的仿生元启发式算法，该算法通过数学建模模拟了旅鼠的四种关键行为：长距离迁徙、挖洞、觅食和躲避捕食者。长距离迁徙和挖洞行为专注于对搜索空间的广泛探索，而觅食和躲避捕食者行为则有助于在优化过程中实现局部开发。ALA还引入了能量递减机制，能够动态调整探索与开发之间的平衡，增强其避免局部最优解的能力，并提升全局收敛的鲁棒性。
2025-03-09 14:26:07
747
原创 应用数学SCI2区TOP：多种群协同粒子群算法MCPSO，深度解析+性能实测
本文提出了多种群协同粒子群算法（MCPSO），该算法受自然生态系统中共生现象的启发。MCPSO采用主从模型结构，种群由一个主群体和多个从群体组成。从群体独立执行标准PSO或其变种，以维持粒子的多样性；而主群体则在自身知识的基础上，结合从群体的知识进行进化。根据主群体与从群体之间的协同进化关系，提出了两种MCPSO版本：竞争版本（COM-MCPSO）和协作版本（COL-MCPSO）。在竞争版本中，主群体通过对抗性场景来增强粒子；而在协作版本中，主群体则通过协同场景来促进粒子增强。
2025-03-08 10:52:19
845
原创 SCI1区TOP：自适应学习粒子群算法SLPSO，深度解析+性能实测
粒子群算法（PSO）是一种基于种群的随机搜索方法，广泛应用于科学和工程领域的连续空间优化问题，并已证明其高效性和有效性。许多实际问题的往往未知，因此依赖试错法寻找最合适PSO变体会导致较高的计算成本。本文提出了一种自适应学习粒子群算法（SLPSO），SLPSO结合了四种不同的PSO搜索策略，并通过概率模型描述每种策略被选择以更新粒子的概率，该模型能够根据策略在过去几代中的表现，自动调整用来提升搜索效率和优化结果。
2025-03-06 22:04:57
818
原创 2024年数学SCI2区TOP：雪雁算法SGA，深度解析+性能实测
本文提出了一种雪雁算法（SGA），该算法借鉴了雪鹅的迁徙行为，并模拟了其迁徙过程中常见的“人字形”和“直线”飞行模式。
2025-03-04 22:57:37
365
原创 SCI2区TOP EAAI：多群体自适应协同粒子群算法MSCPSO，深度解析+性能实测
本文提出了一种基于四个子群体的多群体自适应协同粒子群算法（MSCPSO），该算法通过多种策略有效避免了陷入局部最优的问题，提升了多样性，并能够获得更优解。MSCPSO算法中每个子群体的粒子共享唯一的全局历史最佳解，增强了粒子之间的协作能力。此外，粒子的惯性权重根据所有粒子的适应度信息进行调整，并采用自适应策略控制历史信息的影响，从而提高了搜索能力。为有效平衡全局探索与局部开发，粒子通过共享信息与其他粒子保持合作，并指导自身评估。
2025-03-03 19:33:11
1049
原创 2023年SCI1区TOP：混合差分灰狼算法HGWODE，深度解析+性能实测
无人机的自主导航在灾难场景中具有重要意义。为了解决无人机路径规划问题，本文提出了一种基于灰狼优化算法（GWO）和差分进化算法（DE）的混合算法（HGWODE）。HGWODE算法通过有效的协作，平衡了局部开发与全局探索的能力，其改进了GWO的位置更新公式，使得alpha、beta和delta狼围绕alpha狼进行搜索，而omega狼则围绕前三名狼进行搜索，从而增强了开发能力。DE算法中采用了基于排名的变异策略，进一步促进了局部开发的同时保持了全局探索能力。
2025-03-02 18:09:22
744
原创 2025年SCI1区TOP：梦境优化算法DOA，深度解析+性能实测
本文提出一种梦境优化算法（DOA），其灵感源自人类梦境中的部分记忆保留、遗忘及逻辑自组织特性，这些特性与元启发式算法中的优化过程有着异曲同工之妙。DOA算法巧妙融合了基础记忆策略、遗忘与补充策略以及梦境共享策略。基础记忆策略确保了算法的稳定性，遗忘与补充策略有效平衡了探索与开发，而梦境共享策略则显著提升了算法逃离局部最优的能力。
2025-03-01 15:07:34
1053
原创 2020年SCI1区TOP：异质综合学习和动态多群体粒子群算法HCLDMS-PSO，深度解析+性能实测
本文提出了一种异质综合学习和动态多群体粒子群算法（HCLDMS-PSO），该算法在综合学习（CL）策略的基础上，通过利用整个种群的全局最优经验来生成开发性子种群。并且，HCLDMS-PSO设计了修改后的动态多群体（DMS）策略来构建探索性子种群。传统的DMS策略中，所有子群体使用相同的线性递减惯性权重，这会限制其探索能力。为此，本文首先对DMS子群体进行分类，然后为不同子群体设计非线性自适应递减惯性权重，并引入非均匀变异操作符以增强探索性。
2025-02-28 19:46:39
954
原创 2024年群智能SCI1区：多策略集成粒子群算法GSRPSO，深度解析+性能实测
本文提出了一种新的多策略集成粒子群算法（GSRPSO），用于提高宫颈癌图像的多阈值分割精度。GSRPSO通过四种策略协同工作，增强了算法的优化能力。动态参数平衡了探索与开发阶段，增益共享策略和随机位置更新策略加速了收敛过程并增加了种群多样性，垂直交叉变异策略则提升了局部开发能力，避免了算法的早期停滞。
2025-02-27 17:03:54
279
原创 2025年SCI1区TOP：真菌生长优化算法FGO，深度解析+性能实测
本文提出了一种新型的自然启发元启发式算法——真菌生长优化算法（FGO），灵感来源于真菌在自然界中的生长行为。真菌的生长行为包括菌丝生长、分枝和孢子萌发，菌丝生长行为模拟了菌丝的扩展和趋化性，能够精确探索搜索空间，并有效地发现和利用富含营养的区域，避免了局部最优解的停滞和收敛速度过慢的问题。分枝行为则模拟了新菌丝从现有菌丝侧面生长，探索周围区域寻找更多资源，增强了算法的探索能力。孢子萌发行为则代表了现有菌丝如何探索新环境，寻找更加安全且富含营养的区域。在FGO中，孢子在优化初期随机降落，以促进探索过程；
2025-02-26 19:07:38
882
原创 2023年群智能SCI1区TOP：精英档案粒子群算法EAPSO，深度解析+性能实测
粒子群优化（PSO）是一种简单而有效的元启发式算法，但在处理复杂多峰问题时，可能由于所有粒子使用相同的搜索策略而导致过早收敛，进而失去搜索空间的多样性。为了提高PSO的全局搜索能力，本文提出了一种基于精英档案粒子群优化算法（EAPSO）。EAPSO仅依赖种群规模和终止条件即可执行搜索任务，这使得它在操作上区别于其他PSO变种。EAPSO的结构清晰，首先通过建立三种类型的精英档案，分别保存不同层次的粒子，设计了六种更新粒子位置的学习策略，通过重用这些精英档案中的粒子来进行搜索。
2025-02-24 19:37:37
502
原创 高被引算法SCI2区，鲸鱼优化算法WOA用于城市无人机路径规划
城市无人机路径规划是指在城市环境中，利用无人机进行任务执行时，如何通过合理的算法确定一条最优或次优的飞行路径。城市环境中有各种障碍物，如建筑物、塔楼、树木等，可以通过离散化模型将城市环境表示为三维网格。当鲸鱼靠近全局最优解时，它们会以螺旋的方式在局部范围内进行搜索。2016年，S Mirjalili受到自然界座头鲸社会行为启发，提出了鲸鱼优化算法（Whale Optimization Algorithm, WOA）。为当前进行随机搜索的鲸鱼位置，为定义螺旋捕猎的常量系数，为在[-1,1]随机数，
2025-02-23 20:00:00
674
原创 2025年最新SCI2区TOP：龙卷风优化算法TOC，深度解析+性能实测
本文提出了一种新的元启发式算法——带科氏力的龙卷风优化算法（TOC），该算法用于解决连续搜索空间中的全局优化问题和约束工程问题。TOC优化器的设计灵感来源于自然雷暴和风暴如何通过科氏力演变成龙卷风。科氏力在本算法中被应用于风暴的演变过程，从而促进龙卷风的形成和发展。TOC算法通过数学建模，模拟了风暴和雷暴形成龙卷风的行为步骤，并进一步描述了龙卷风在地面上的消散过程。
2025-02-22 10:47:42
931
原创 2024年数学SCI1区TOP：改进海洋捕食者算法MMPA用于UAV路径规划，深度解析+性能实测
本文提出了一种改进海洋捕食者算法（MMPA），用于解决具有多重威胁的复杂环境中的全局优化问题，针对无人机（UAV）路径规划问题。为克服原始MPA算法的不足，本文引入了四种创新策略：自适应参数控制、非线性惯性权重、基于柯西变异算子以及改进差分变异策略。这些策略显著提高了算法的收敛速度，并在保证精度的同时，增强了MPA的整体性能。
2025-02-21 21:11:21
1171
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人