钟润添 作品数:5 被引量:35 H指数:4 供职机构: 中国科学技术大学 更多>> 发文基金: 国家自然科学基金 安徽省自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
分布估计算法及其应用研究 在当代科学技术的各个领域都存在各种各样的优化问题,形成的数学模型也各不相同。近年来,进化计算在解决复杂优化问题方面取得了很大的成就。但是在如何根据具体的问题设计有效的进化算法以提高计算速度及解决约束优化问题等方面还有许多... 钟润添关键词:分布估计算法 高斯混合模型 多目标优化 PARETO前沿 文献传递 一种多目标优化的多概率模型分布估计算法 被引量:7 2007年 提出了一种用于多目标优化的多概率模型分布估计算法,该算法在进化的每一代中使用多个概率模型来引导多目标优化问题柏拉图(Pareto)最优域的搜索。分布估计算法使用概率模型引导算法最优解的搜索,而使用多个概率模型可以保持所得多目标优化问题最优解集的多样性。该算法具有很强的寻优能力,所得结果可以很好地覆盖Pareto前沿。实验通过优化一组测试函数来评价该算法的性能,并与其它多目标优化算法进行了比较,结果表明该算法相比于其它同类算法可以更好地解决多目标优化问题。 钟润添 龚海峰 李斌 庄镇泉关键词:多目标优化 分布估计算法 一种基于边缘分布估计的多目标优化算法 被引量:4 2007年 该文提出了一种基于边缘分布估计的多目标优化算法,通过在每一进化代中估计较优个体的边缘概率分布来引导算法对Pareto最优解的搜索。通过与基于拥挤机制的多样性保持技术、基于非支配排序的联赛选择、精英保留等技术的有机结合,使得算法在具有良好收敛性能的同时,具有很好的维持群体多样性的能力。通过一组典型测试函数实验对该算法的性能进行了分析,并与NSGA-II、SPEA、PAES等知名多目标优化算法进行了比较,结果表明该文算法收敛速度较快,且得到的非支配解集分布均匀,适合于复杂多目标优化问题的求解。 李斌 钟润添 肖金超 庄镇泉关键词:多目标优化 多样性 一种基于递增估计GMM的连续优化算法 被引量:10 2007年 目前的分布估计算法(esti mation of distribution algorithms)中概率模型的学习或多或少存在着对先验知识的依赖,而这些先验知识往往是不可预知的.针对这一问题,文中提出采用集成学习(ensemble learning)的思想实现EDAs中概率模型结构和参数的自动学习,并提出了一种基于递增学习策略的连续域分布估计算法,该算法采用贪心EM算法来实现高斯混合模型(GMM)的递增学习,在不需要任何先验知识的情况下,实现模型结构和参数的自动学习.通过一组函数优化实验对该算法的性能进行了考查,并与其它同类算法进行了比较.实验结果表明该方法是有效的,并且,相比其它同类EDAs,该算法用相对少的迭代,可以得到同样或者更好的结果. 李斌 钟润添 王先基 庄镇泉关键词:分布估计算法 高斯混合模型 一种基于贪心EM算法学习GMM的聚类算法 被引量:15 2007年 传统的聚类算法如k-means算法需要一些先验知识来确定初始参数,初始参数的选择通常会对聚类结果生产很大的影响。提出一种新的基于模型的聚类算法,通过优化给定的数据和数学模型之间的适应性发现数据对模型的最好匹配。由于高斯混合模型可以看作是一种“软分配聚类”方法,该算法结合一种贪心的EM算法来学习高斯混合模型(GMM),由贪心EM算法实现高斯混合模型结构和参数的自动学习,而不需要先验知识。这种聚类算法可以克服k-means等算法的缺点,实验结果表明该算法具有更好的聚类效果。 王维彬 钟润添关键词:聚类算法 贪心策略 期望最大化算法 高斯混合模型