王志刚
- 作品数：46 被引量：164H指数：7
- 供职机构：南京师范大学泰州学院更多>>
- 发文基金：江苏省高等学校大学生实践创新训练计划项目泰州市社会发展计划项目贵州省教育厅科研项目更多>>
- 相关领域：自动化与计算机技术理学文化科学电气工程更多>>
- 混合差异演化算法在背包问题中的应用被引量：4
- 2008年
- 提出了一种用于求解0-1背包问题的混合差异演化算法,详细阐述了该算法求解背包问题的具体操作过程。算法主要使用了两个思想策略,即启发式贪婪算法和基于二进制编码的差异演化算法。通过对其它文献中仿真实例的计算和结果对比,表明该算法对求解0-1背包问题的有效性,这对差异演化算法解决其它离散问题会有些帮助。
- 郭广寒王志刚郝志峰黄翰
- 关键词：背包问题二进制贪婪算法
- 求解数值微分的进化策略新算法
- 2011年
- 数值导数的公式对开发求解常微分方程和偏微分方程边值问题的算法很重要.数值微分的例子通常采用已知的函数,这样数值近似值可以与精确解进行比较.主要是提出了一种求解数值微分的进化策略新算法,该算法在求解微分值时,表现出精度高、收敛速度快等优点.
- 夏慧明郭德龙王志刚周永权
- 关键词：步长进化策略数值微分
- 差异演化算法求解集合划分问题
- 2012年
- 集合划分问题是组合优化中典型的NP难题,建立了集合划分问题模型,采用差异演化算法对其进行求解。通过对其它文献中仿真实例的计算和结果对比,表明了算法对求解集合划分问题的可行性和有效性。
- 季鸿王志刚夏慧明
- 关键词：差异演化算法组合优化
- 差异演化算法求解多选择背包问题被引量：1
- 2011年
- 多选择背包问题是典型的NP难题。建立了多选择背包问题的数学模型。设计了差异演化算法对其进行求解。通过对其它文献中实例的仿真试验和结果对比,表明了算法求解多选择背包问题的可行性和有效性。
- 王研王志刚
- 关键词：差异演化算法多选择背包问题
- 差异演化算法求解二次分配问题被引量：2
- 2011年
- 二次分配问题是典型的NP难题。建立了二次分配问题的数学模型。设计了基于差异演化算法的新方法对其进行求解。给出了差异演化算法求解该问题的具体方案。对不同的二次分配问题算例进行了仿真实验。结果表明,算法可以有效、快速地找到二次分配问题的最优解。
- 杨卿誉王志刚
- 关键词：差异演化算法组合优化
- 解0-1背包问题的二进制差异演化算法被引量：7
- 2009年
- 针对传统差异演化算法(DE)无法求解采用二进制编码问题的缺点,通过采用新的变异方法,提出了一种用于求解0-1背包问题的二进制差异演化算法,阐明了该算法求解背包问题的具体实现过程。通过多个0-1背包问题的仿真试验,表明了该算法在求解0-1背包问题时不仅能达到最优解,而且收敛速度快,同时也验证了算法在解决二进制编码问题上的可行性和有效性。
- 蔡鸿英郝志峰王志刚郭广寒
- 关键词：背包问题二进制蚁群算法粒子群算法
- 优化高维复杂函数的改进人工蜂群算法被引量：3
- 2016年
- 针对人工蜂群算法传统搜索策略在求解高维复杂函数时收敛速度较慢、容易陷入局部最优的缺陷,提出了一种改进的人工蜂群算法(IABC).该算法在引领蜂的搜索策略中借鉴了差分进化算法DE/best/1变异操作模式;在跟随蜂的搜索策略中借鉴了生物界中雁群的飞行特征,同时基于目标函数值进行选择寻优,能较好地平衡局部搜索能力和全局搜索能力.通过对15个基准函数的仿真实验及与其他改进算法进行比较,发现该算法具有较快的收敛速度和较高的求解精度.
- 王志刚王明刚
- 关键词：人工蜂群算法差分进化算法搜索策略
- 一种改进的粒子群算法被引量：20
- 2010年
- 粒子群算法是求解函数优化问题的一种新的进化算法,然而它在求解高维函数时容易陷入局部最优.为了克服这个缺点,提出了一种新的粒子群算法,算法对粒子的速度和位置更新公式进行了改进,使粒子在其最优位置的基础上进行位置更新,增强了算法的寻优能力.通过对5个基准函数的仿真实验,表明了改进算法的有效性.
- 郭广寒王志刚
- 关键词：粒子群算法群体智能进化计算
- 改进二进制人工蜂群算法求解多维背包问题被引量：3
- 2014年
- 针对二进制人工蜂群算法收敛速度慢、易陷入局部最优的缺点,提出一种改进的二进制人工蜂群算法。新算法对人工蜂群算法中的邻域搜索公式进行了重新设计,并通过Bayes公式来决定食物源的取值概率。将改进后的算法应用于求解多维背包问题,在求解过程中利用贪婪算法对进化过程中的不可行解进行修复,对背包资源利用不足的可行解进行修正。通过对典型多维背包问题的仿真实验,表明了本文算法在解决多维背包问题上的可行性和有效性。
- 王志刚夏慧明
- 关键词：人工蜂群算法多维背包问题贪婪算法组合优化
- 差异演化算法优化灰色模型的负荷预测
- 2013年
- 传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差,为克服这一缺陷,首先对原始数据进行开次方处理使数据增长变平稳,再将差异演化算法与GM(1,1)模型相结合,利用差异演化算法求解GM(1,1)模型中的参数。电力负荷预测实例结果表明该模型具有较高的预测精度和较广的应用范围。
- 王浩张欣王志刚夏慧明
- 关键词：电力负荷预测背景值差异演化算法
