李望移
- 作品数：4 被引量：9H指数：2
- 供职机构：湘潭大学更多>>
- 发文基金：国家自然科学基金湖南省教育厅重点项目湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于引导交叉的遗传算法研究
- 优化问题广泛存在于科学研究和工程应用领域,研究其求解方法一直富有吸引力与挑战性。枚举法、基于梯度的搜索算法、牛顿法等传统的优化算法虽然具有数学基础完善、可靠性强和比较成熟等特点,但这些传统的优化方法具有计算复杂、对目标函...
- 李望移
- 关键词：遗传算法交叉算子粒子群优化自适应
- 文献传递
- 引导交叉——一种新的遗传交叉策略被引量：2
- 2008年
- 介绍了遗传算法的优化方法,在已经存在的交叉算子上提出了一种新的交叉算子——引导交叉,它结合了异位交叉和等位交叉的特点,并加入个体反码表示形式,在执行交叉操作前有一个自适应的选择交叉方式的判断,给出了5组不同的测试函数的仿真实验。实验结果表明,引导交叉算子可比其他交叉算子更有效地提高遗传算法的收敛性,且易于找到全局最优解。
- 李望移郑金华
- 关键词：自适应性收敛性函数优化全局最优解
- 用多目标进化算法搜索MOPs的鲁棒Pareto最优解被引量：6
- 2009年
- 搜索鲁棒Pareto最优解是多目标进化算法(MOEA)研究的一个重要方面.目前,优化"原目标函数"的传统MOEA与基于"有效目标函数"的MOEA(Eff-MOEA)在搜索鲁棒Pareto最优解时都易丢失某些性质的解.为解决这一缺陷,本文定义了一种新的鲁棒Pareto最优解,提出了一种新的搜索鲁棒Pareto最优解的MOEA(MOEA/R),MOEA/R将多目标鲁棒优化问题(MROP)转化成两目标问题来优化,一个目标为解的质量,另一个目标为解的鲁棒性,每一目标均对应一子优化问题.通过与NSGA-Ⅱ及Eff-MOEA的对比分析,结果表明MOEA/R的结果较好,更重要的是本文探索了一种新的搜索鲁棒Pareto最优解的思想.
- 郑金华罗彪周聪李望移
- 关键词：多目标进化算法鲁棒性
- 进化算法鲁棒最优解研究综述被引量：2
- 2009年
- 在实际应用中,环境往往是不稳定的且易受到噪声的影响。因此,对于许多现实优化问题,一个鲁棒性好的解具有重要的意义。然而,以往关于进化算法(EAs)的研究主要集中在寻找全局最优解,解的鲁棒性却没有得到重视。从单目标鲁棒最优解、多目标鲁棒最优解及效率等方面较全面地分析了目前EAs搜索鲁棒最优解的研究现状。最后对相关研究工作做了展望。
- 郑金华罗彪李晶文诗华李望移
- 关键词：进化算法鲁棒性多目标
