- 博客(273)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Zotero导出文献（Better BibTex for Zotero）
在使用Zotero自带的导出文献功能时，会出现我们不想要的信息。Better BibTeX（BBT）是Zotero和Juris-M的扩展程序，它简化了文献数据的管理，尤其适合使用基于文本的工具链（例如基于LaTeX/Markdown）撰写文档的用户。
2025-12-22 17:18:16
218
原创 通过一种新的pbest选择机制改进差分进化中的变异策略（PSM）
差分进化属于种群算法的一种，自1995年提出以来受到了广泛的研究关注。在寻找全局最优解时，种群算法需要引导个体探索搜索空间中具有潜力的更好吸引盆地。此外，个体在进化过程中需要相互交互以有效地探索搜索空间。。该机制强制要求所选pbest个体与其他所有更优个体之间保持最小距离。这意味着在变异中使用的pbest个体候选者彼此间分布更分散。因此，新试验向量在搜索空间的不同吸引盆地中生成的可能性得以增加。该机制被整合到L-SHADE、jSO和L-SRTDE算法中，并使用CEC24基准函数对其有效性进行了评估。
2025-12-10 10:36:58
936
原创 用于数值优化的具有多阶段参数适应和多样性增强机制的差分进化算法（MD-DE）
差分进化算法（Differential Evolution, DE）是一种强大的元启发式算法，用于数值优化。然而，在处理复杂问题时，它面临着诸如参数控制不当、早熟收敛和种群停滞等挑战。为解决这些问题，本文提出了一种具有多阶段参数适应和多样性增强机制的差分进化算法（MD-DE）。首先，设计了一个多阶段参数适应方案，该方案结合了小波基函数和拉普拉斯分布来生成参数，并通过渐进式闵可夫斯基距离加权策略指导参数调整，以平衡探索与开发。其次，提出了一种基于动态双档案的变异策略，整合了有潜力但被丢弃的解中的信息，以增强供
2025-12-05 08:00:00
714
原创 单目标实数参数优化：算法jSO
解决单目标实数参数优化问题，亦称为边界约束优化，仍然是一项具有挑战性的任务。此类问题可见于工程优化、科学应用以及其他现实世界问题中。通常，这些问题非常复杂且计算成本高昂。本文提出了一种名为 jSO 的新算法。该算法是 iL-SHADE 算法的改进变体，主要改进在于采用了一种新的加权版本变异策略。实验在 CEC 2017 基准函数上进行，这些函数与先前竞赛的基准函数不同。首先，对提出的 jSO 算法与 L-SHADE 算法进行了比较。从所得结果可以得出结论，jSO 相较于 L-SHADE 算法表现更佳。
2025-12-02 11:19:58
1088
原创 采用基于排序的选择压力策略的 LSHADE 算法求解 CEC 2017 基准问题（LSHADE-RSP）
求解单目标实参数优化问题仍可能存在困难，例如当待优化函数是多峰函数或存在旋转陷阱问题时。此类优化问题可见于现实世界应用的各个领域。通常，这些问题非常复杂且计算成本高昂。。所提出的算法是 LSHADE 算法的一个新变体，其基本思想在于利用选择压力来调整其变异策略。实验在 CEC 2018 基准函数上进行。本文给出了所提出的 LSHADE-RSP 算法与 CEC 2017 竞赛参赛算法的比较结果。
2025-11-26 08:00:00
1759
原创 新型变异策略以增强SHADE和LSHADE算法在全局数值优化中的性能
提出新的变异策略以改进差分进化（DE）的优化性能是一项重要的研究工作。因此，本文的主要贡献体现在三个方向：第一个方向是引入一种贪心程度较低且具有增强探索能力的变异策略，命名为（ord 代表 ordered，缩写为在第二个方向，我们引入一种贪心程度更高且具有增强开发能力的变异策略，命名为（缩写为所提出的两种变异策略都基于对从当前代中选出的三个向量进行排序，以扰动目标向量，其中利用有向差分来模拟梯度下降行为，从而将搜索导向更好的解。在 ord_best 中，三个向量是随机选择的，以增强算法的探索能力。
2025-11-23 17:45:37
760
原创 双种群自适应差分进化算法 L-NTADE
差分进化（DE）是一种高效且流行的启发式优化方法。然而，像大多数进化算法一样，它的性能对其参数设置很敏感。近年来，许多研究致力于为DE开发参数自适应技术，其中大多数研究都基于使用单个种群和贪婪选择策略的经典算法框架。。。。。所提出的方法在CEC 2017和CEC 2022单目标边界约束数值优化基准测试集上进行了测试。实验结果表明，L-NTADE在求解复杂多模态问题时表现出色，并且与当前最先进的算法相比具有竞争力。此外，我们还对算法行为进行了分析，揭示了两个种群在搜索过程中的不同角色。差分进化；参数控制；
2025-11-12 22:10:06
925
原创 采用线性种群规模缩减提升SHADE算法的搜索性能（L-SHADE）
SHADE 是一种结合了基于成功历史的参数自适应机制的差分进化算法，也是当前最先进的差分进化算法之一。本文提出了 L-SHADE，该算法通过进一步扩展了 SHADE。LPSR 根据一个线性函数持续地减少种群规模。我们在 CEC2014 基准测试问题上评估了 L-SHADE 的性能，并将其搜索性能与最先进的差分进化算法以及最先进的重启 CMA-ES 变体进行了比较。实验结果表明，L-SHADE 与最先进的进化算法相比具有很强的竞争力。
2025-11-12 16:59:06
920
原创 基于成功历史的自适应差分进化（SHADE）
差分进化是一种简单而有效的数值优化方法。由于差分进化的搜索效率在很大程度上取决于其控制参数的设置，近年来出现了许多关于开发差分进化自适应机制的研究。我们提出了一种新的差分进化参数自适应技术，该技术利用成功的控制参数设置的历史记忆来指导未来控制参数值的选择。通过在 CEC2013 基准测试集的 28 个问题、CEC2005 基准测试以及 13 个经典基准测试问题上进行比较，对所提出的方法进行了评估。实验结果表明，采用我们这种基于成功历史的参数自适应方法的差分进化算法，与先进的差分进化算法相比具有竞争力。差分进
2025-11-11 17:10:44
792
原创 LaTeX 2025环境配置：texlive + TeXstudio
LaTeX（读音为 “Lay-tech” 或 “Lah-tech”）是一个强大的文档排版系统。它不同于我们日常使用的“所见即所得”的文字处理器（如 Microsoft Word 或 Google Docs）。核心思想内容与格式分离。你只需要专注于文档的内容和逻辑结构（如章节、标题、列表、公式），而由 LaTeX 来负责精确、美观地处理所有排版细节（如字体、间距、页码、交叉引用）。本质：LaTeX 不是一个图形化软件，而是一种基于TeX宏命令的标记语言。
2025-11-04 20:25:44
1364
原创 L-SHADE-E：基于L-SHADE的两种差分进化算法的集成
在实参数单目标优化问题中，差分进化算法相较于其他基于种群的元启发式算法表现更优。然而，在差分进化领域，任何一种给定的算子组合都无法在所有适应度地形上都表现优异。实践证明，集成多种算子组合能够改进求解效果。然而，，例如在IEEE进化计算大会系列会议上举办的基于种群的元启发式算法实参数单目标优化竞赛中的优秀算法之一——L-SHADE-EpSin，。此外，。基于此背景，本文提出了L-SHADE-E，即L-SHADE-EpSin和L-SHADE-RSP的集成算法。。。
2025-10-19 09:55:54
440
原创 RDEx：一种效果驱动的混合单目标优化器，自适应选择与融合多种算子与策略
差分进化（DE）算法在连续优化问题上表现出了卓越的性能。在DE的基础上，先进的变体算法在黑盒、边界约束问题上取得了显著更优的结果。然而，对于现实世界中多样化的问题，单一的算子或策略很少能够完全胜任；因此，混合算法在实践中通常能提供更好的效果和通用性。在这项工作中，我们——以及。在CEC 2025单目标边界约束基准测试集上的评估表明，我们的扩展方法RDEx取得了迄今为止最先进的性能。
2025-10-18 21:35:42
1035
原创 基于成功率的自适应差分进化 L-SRTDE 用于 CEC 2024 竞赛
差分进化算法最重要的问题之一是对缩放因子的自适应调整，因为算法性能对该参数高度敏感。本文提出了 L-SRTDE 算法，其中缩放因子根据每一代中改进解的比率（即成功率）来设定。所提出的算法用于求解 CEC 2024 有界约束单目标数值优化竞赛中的基准问题。还使用 CEC 2017 和 CEC 2022 基准进行了额外的实验。对数值结果的分析（同时考虑了算法的精度和速度）表明，所提出的方法能够胜过许多使用基于成功历史自适应的替代方法。：差分进化，数值优化，参数自适应。
2025-10-14 22:01:53
1004
原创 An Efficient Reconstructed Differential Evolution Variant（RDE）
【An Efficient Reconstructed Differential Evolution Variant by Some of the Current State-of-the-art Strategies for Solving Single Objective Bound Constrained Problems】复杂的单目标有界问题通常难以求解。在进化计算方法中，自差分进化算法于1997年提出以来，因其简洁性和高效性而被广泛研究和改进。这些改进包括各种自适应策略、算子优化以及其他搜索
2025-10-12 08:00:00
1483
原创 基于集体集成学习的差分进化算法（CELDE）
多种搜索策略的集成学习已被证明能有效提升差分进化（DE）在全局优化中的性能。在现有的集成学习方法中，每个目标解的后代是根据所考虑问题的优化需求，从策略池中选择其中一个策略生成的。然而，由于后代的遗传物质通常来源于单一策略，不同策略的优势无法被同时用于优化具有不同属性的决策变量。为了解决这个问题，本文提出了集体集成学习（CEL）范式，该范式融合了多种策略的优势来生成一个后代。CEL主要包括组件分解（CD）和组件集成（CI）机制。CD机制考虑维度级的进化状态，将目标解以及由不同生成策略产生的候选解分别划分为开发
2025-10-09 16:44:01
551
原创 Frequency Fitness Assignment
元启发式优化过程（如进化算法）通常由目标函数驱动，该函数评估候选解决方案的质量。然而，在实践中，目标函数是否能充分奖励通往全局最优解路径上的中间解并不明确，并且它可能表现出欺骗性、上位性、中性、崎岖性以及缺乏因果关系等问题。在本文中，我们引入了频率适应度 H（需最小化），它根据迄今为止发现的具有相同目标值的解的频率来评分。这种方法背后的理念是：好的解难以找到，并且如果算法陷入局部最优，周围解的目标值频率会随时间增加，这最终将使其能够再次离开该区域。我们将一个频率适应度分配过程替代目标函数，并集成到几种不同的
2025-10-04 08:00:00
1160
原创 用于动态算法选择的深度强化学习：一项在差分进化上的原理性验证研究（RL-DAS）
根据 DAS 的定义，DAS 的环境包含一个算法池、一个问题集和一个用于优化的种群（population）。为了形式化 MDP（马尔科夫决策过程），我们设计状态（state）以包含通过分析适应度景观（fitness landscape）和优化状态获得的充分信息，动作（action）是从算法池中选择一个算法，奖励（reward）则反映度量MM的改进。RL-DAS 的工作流程如算法 1 所示。在每个问题实例上的训练从一个初始种群P0P_0P0开始，并在达到最大函数评估次数MaxFEs。
2025-09-19 07:30:00
1905
1
原创 集成学习：综述
集成方法被认为是解决许多机器学习挑战的最先进解决方案。此类方法通过训练多个模型并组合其预测，从而提高单一模型的预测性能。本文介绍了集成学习的概念，回顾了传统、新颖和最先进的集成方法，并讨论了该领域的当前挑战和趋势。算法开发（Algorithmic Development） > 集成方法（Ensemble Methods）技术（Technologies） > 机器学习（Machine Learning）技术（Technologies） > 分类（Classification）
2025-06-21 08:00:00
1602
原创 TensorCRO：一种基于TensorFlow的多方法集成优化实现
本研究提出并验证了基于TensorFlow的CRO-SL多方法集成优化框架TensorCRO。该实现方案在保留原有多方法集成算法核心流程的同时，通过数据结构创新表示将完整进化过程转化为张量操作序列，实现全流程GPU执行。TensorCRO相较于CPU方案的性能提升已在多种基准优化函数及风电场风机定位实际任务中得到验证。与同类TensorFlow元启发式算法对比测试表明，所提出的多方法集成框架具有显著优势——尤其在高维优化问题中，TensorCRO展现出超越替代方案的性能表现。
2025-06-17 07:45:00
880
原创 差分进化集成设计器（DEED）
进化算法（EAs）已在广泛的优化问题上展现出强大而鲁棒的搜索特性（Elkhatem & Engin, 2023；Zhang等, 2022）。近年来，随着优化问题复杂性的提升，EA研究领域涌现出越来越多新颖的算法设计以应对挑战。这些创新设计主要源于对算法组件的改进，例如引入适应性策略与启发式方法。尽管EA研究人员积累了丰富的隐性知识以理解进化搜索的动态特性，但目前文献中大多数新算法仍依赖人工设计。
2025-06-13 08:00:00
984
原创 JADE：采用可选外部归档的自适应差分进化算法
在本节中，我们提出一种新的差分进化算法JADE。该算法采用"DE/current-to-pbest"变异策略（带有可选存档机制），并通过自适应方式调整控制参数F和CR。JADE沿用了第II节公式(4)和(5)所描述的交叉与选择操作。
2025-04-18 09:14:26
906
原创 用于全局数值优化的策略自适应差分进化算法（SaDE）
根据文献[20]的建议，"DE/current-to-rand/1"策略中的控制参数K改为在[0,1]区间内随机生成，从而减少一个需要调节的参数。在该算法中，试验向量生成策略及其相关参数值能够通过积累生成优质解的历史经验逐步实现自我调整，从而动态适配搜索过程的不同阶段，自适应确定最优策略及参数组合。在SaDE算法中，针对当前种群中的每个目标向量，系统会根据候选池中各策略在前若干代中成功生成改进解的概率，选择一种试验向量生成策略。在我们前期的研究[19]中，所有试验向量生成策略均采用相同的CRm值。
2025-04-12 23:25:43
1208
原创 基于复合试验向量生成策略与控制参数的差分进化算法（CoDE）
而在"rand/2/bin"策略中，基向量会叠加两个差分向量，相比仅使用单一差分向量的策略，这种设计能产生更强的扰动效果，并可生成更多样化的试验向量。值得注意的是，“current-to-rand/1"策略在变异阶段后采用具有旋转不变性的算术交叉（而非二项式交叉）来生成试验向量，这一特性使其特别适用于旋转优化问题。本文选取三种试验向量生成策略与三组控制参数配置，分别构成策略候选池与参数候选池。在每一代中，策略候选池中的每种试验向量生成策略均会用于创建一个新的试验向量，其控制参数设置从参数候选池中随机选取。
2025-04-12 07:45:00
1187
原创 参数和变异策略集成的差分进化算法（EPSDE）
不同的优化问题需要不同的变异策略和不同的参数值，这取决于问题的性质（单模态和多模态）和可用的计算资源。此外，为了解决特定问题，在进化的不同阶段，具有不同参数设置的不同突变策略可能比传统差分进化中具有独特参数设置的单个突变策略更好。而对于参数关联的多峰问题，则需要采用较高的CR值。突变策略和参数的候选池应该是限制性的，以避免效果较差的突变策略和参数的不利影响。Rotated表示通过旋转坐标系改变函数的对齐方向，使得函数的主轴（如椭球函数的长轴、高斯函数的对称轴）与坐标轴不再对齐。
2025-04-11 08:00:00
1166
原创 Ensemble of differential evolution variants（EDEV）
随着算法的进行，在每ng代之后，我们根据累积的适应度改进和消耗的函数评估之间的比率来确定上一个时间段内最有效的差分进化变体（ibest）。为了使EDEV达到更高的性能，至关重要的是要确保组成差分进化变体强大，同时具有不同的能力，以便它们可以在进化过程中相互支持，而不仅仅是争夺资源。不同，PAP通过时间预算分配策略和个体移民算子实现算法组合，MPF将整个种群划分为子种群，包括几个指标子种群和一个奖励子种群。通过这种方式，不同的差分进化变体协同进化，在进化过程中表现最好的一个将获得最多的资源（以种群为代表）。
2025-04-08 19:32:40
1138
原创 Pyspark环境搭建及案例（Windows）
如果不怕包的版本管理混乱，可以直接使用已有的Python环境。首先，我们新建一个文件夹，作为虚拟环境的存放路径（也可以不用，conda创建虚拟环境时检测到没有会自动新建）：创建完成：安装psutil。
2025-04-06 23:32:19
2578
3
原创 安装 Microsoft Visual C++ Build Tools
安装是为了在windows系统上编译和运行需要C++支持的程序或库（例如某些Python包，Node.js模块等）。
2025-04-03 22:44:48
19211
1
原创 英伟达NVIDIA显卡驱动与CUDA
我们要根据自己的CUDA需求去安装对应的驱动版本，每个CUDA版本有最低驱动版本要求。方法一：按下 Win+X 键组合，选择 “设备管理器”。在设备管理器窗口中，找到 “显示适配器” 选项，点击左侧的箭头展开，即可看到电脑中安装的显卡型号。可以看到我的电脑当前的驱动版本为517.40，最大支持CUDA版本，如果我想用CUDA 12.x 的话，就需要版本高一点的驱动。方法二：右键点击 “此电脑”，选择 “属性”，在弹出窗口中点击 “设备管理器”，展开 “显示适配器” 就能看到显卡型号。进入英伟达驱动官网，
2025-04-01 13:31:10
3821
原创 为pip设置国内镜像源
在Python中使用pip安装软件包时，通常我们会遇到网络问题，尤其是在中国大陆地区。为了解决这个问题我们可以使用一些国内提供的镜像源。下面以清华大学的镜像源为例进行使用说明。
2025-03-29 14:30:00
3045
原创 起始为Zotero中存在错误
点击检查更新也没反应，重启了一下电脑（因为Zotero是有备份功能的，文件都没了也不怕），重启之后可以正常使用。在使用Zotero的时候，出现。
2025-03-13 10:07:13
458
原创 Zotero设置中文引用格式
zotero自带的“gb-t-7714-2015”格式存在缺陷，直接使用会存在很多问题，例如英文参考文献多数作者时会出现"等"的字样。
2025-01-14 08:00:00
10436
4
原创 Zotero7 茉莉花抓取知网元数据
这里的「转换器」指的是 Zotero 从浏览器网页抓取文献信息时所需的转换器，在 Zotero 中有时也被称作是「翻译器」或「translator」。如果你遇到的是语言翻译问题（如标题翻译、摘要翻译、文献阅读中的句段翻译等），通常与本文讲的转换器（translator）无关，请参照 Translate for Zotero 插件的教程进行排查。此时如果你的浏览器仍然不能完成对文献的识别，在确保步骤 1-2 正确的前提下，可重复几次步骤 3。在 Zotero 设置 中，进入 高级 设置，点击下方。
2024-12-18 14:50:28
15147
6
原创 Translate for Zotero+翻译服务API配置
文本翻译/文本翻译API(1积分/2000字符)；文档翻译/Office文档翻译API/PDF翻译API(3积分/页)；图片翻译/图片翻译API(3积分/张)；语音翻译/语音翻译API(4积分/10次)。由于我们使用的是通用文本翻译高级版，每月有200万免费额度，如果超过了这个额度，需要额外付费，再加上系统加测存在一定的延时，所以我们进行额度控制是非常有效的。遇到问题请考虑换用需要密钥的翻译服务。安装完成后，“翻译服务”默认为海词，不需要添加密钥即可使用。5.只有翻译成功的会扣除积分，翻译失败则不扣除。
2024-11-30 06:00:00
9172
2
完全数python题目解析
2022-04-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人