您的位置: 专家智库 > >

邓伟林

作品数:7 被引量:24H指数:2
供职机构:广东轻工职业技术学院更多>>
发文基金:广东省自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 5篇期刊文章
  • 1篇学位论文
  • 1篇专利

领域

  • 6篇自动化与计算...

主题

  • 4篇子群
  • 4篇粒子群
  • 3篇群算法
  • 3篇粒子群算法
  • 2篇遗传算法
  • 2篇优化算法
  • 2篇群体智能
  • 1篇心理
  • 1篇心理学
  • 1篇早熟收敛
  • 1篇社会
  • 1篇社会心理
  • 1篇社会心理学
  • 1篇生成树
  • 1篇生物信息
  • 1篇生物信息学
  • 1篇收敛速度
  • 1篇数据存储
  • 1篇数据存储空间
  • 1篇数据集

机构

  • 5篇广东轻工职业...
  • 3篇广东商学院
  • 3篇华南理工大学
  • 1篇广东职业技术...

作者

  • 7篇邓伟林
  • 5篇胡桂武
  • 2篇郑启伦
  • 2篇彭宏
  • 1篇胡劲松
  • 1篇叶廷东
  • 1篇李丹

传媒

  • 1篇计算机工程
  • 1篇现代计算机
  • 1篇计算机与现代...
  • 1篇计算机科学
  • 1篇计算机技术与...

年份

  • 1篇2016
  • 2篇2012
  • 1篇2007
  • 2篇2006
  • 1篇2005
7 条 记 录,以下是 1-7
排序方式:
一种快速数据压缩方法
本发明公开了一种快速数据压缩方法,所述方法包括:对接收的检测数据进行预处理,包括对数据信息粗大误差的剔除,及对所述检测数据的滤波;通过传感器对滤波后的检测数据进行测量,并对测量后的数据进行融合;对融合后的数据,通过最小二...
叶廷东邓伟林李丹
文献传递
一种基于极值思想的多序列联配求精算法
2006年
多序列联配(MSA)是一个NP问题,为了取得一个好的联配结果,常用渐进和迭代两种方法,但渐进方法不能调整早期的错误,迭代方法面临怎样跳出局部最优的问题。该文提出了一种新的求精方法,该方法基于极值遗传算法和挖掘策略。极值遗传算法基于极值组合元素,能够减少搜索空间,易于找到全局最优解。算法实现过程中,首先用挖掘算法挖掘出已知联配中的不良序列块,然后所有的不良序列块用极值遗传算法重新联配。当初始的序列是用渐进算法联配时,新的求精方法能调整早期的一些错误,充分结合渐进和迭代算法的优点。最后算法用来自于数据库BAliBASE中数据进行了验证。
邓伟林胡桂武郑启伦彭宏胡劲松
关键词:遗传算法
粒子群算法研究及其在供应链优化中的应用
最优化是人们在工程技术、科学研究和经济管理等诸多领域中经常遇到的问题,在21世纪的信息时代,其理论和技术必将在社会的各个方面起着越来越大的作用。作为一种新的群体智能方法,粒子群算法(PSO)是一个非常有前景的工具,在处理...
邓伟林
关键词:供应链优化收敛速度粒子群优化算法社会心理学
文献传递
基于最小生成树的多序列联配算法被引量:1
2005年
多序列联配(MAS)是现代生物信息学中的重要工具之一,MAS问题是NP-难的,因此需要一些启发式方法在合理的时间内联配大的数据集。本文提出了一个基于最小生成树的多序列联配算法,并使用BALiBASE标准数据集合,对我们的算法进行了性能评价,结果表明算法较之ClustalX类的算法其精确度更高。
胡桂武郑启伦彭宏邓伟林
关键词:最小生成树生物信息学数据集数据库
一种求旅行商问题的离散粒子群算法被引量:9
2012年
针对旅行商问题提出一种离散粒子群算法。算法重新定义了速度及其与粒子位置的相关算子,设计了"距离排序矩阵"(保存距离城市由近到远的其他城市的矩阵),并根据它生成可动态变化的优秀基因库来指导粒子高效地进行全局搜索。本文用TSPLIB中的部分案例进行实验,实验结果表明,该算法在求解旅行商问题上有很好的性能,并且具有很好的鲁棒性。
邓伟林胡桂武
关键词:群体智能算法离散粒子群算法优化算法旅行商问题进化计算
一种求解离散优化问题的粒子群算法被引量:2
2012年
粒子群算法在求解连续变量问题有了比较成功的应用,但是对离散变量问题方面的应用研究却相对滞后。针对离散优化问题,提出了一种遗传粒子群算法。算法使用了交叉、变异等遗传算子替代传统粒子群算法的速度-位移公式,克服了传统粒子群算法对组合优化问题编码时出现的信息冗余的问题,提高了搜索效率。应用该算法求解了车辆路径问题,实验结果表明,该算法具有较好的全局收敛能力和较快的收敛速度。在同等条件下,求解效果要明显好于遗传算法和基于速度位移公式的粒子群算法。
邓伟林胡桂武
关键词:粒子群算法遗传算法车辆路径问题
粒子群算法研究与展望被引量:12
2006年
介绍了基本粒子群算法,归纳了粒子群算法的研究现状和改进,包括:增加惯性因子的改进;基于收敛性分析的改进;导入其他演化算法思想的改进;建立非数值问题模型的改进。简要分析了PSO算法的应用。最后对PSO的研究现状做出总结和展望,提出未来的几个研究热点。
邓伟林胡桂武
关键词:粒子群算法群体智能
共1页<1>
聚类工具0