-
题名基于萤火虫算法的自适应花授粉优化算法
被引量：20
- 1
-
-
作者
卞京红
贺兴时
杨新社
-
机构
西安工程大学理学院
密德萨斯大学科学技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第21期162-167,217,共7页
-
基金
陕西省自然科学基础研究计划项目(No.2014JM1006)
陕西省自然软科学研究计划项目(No.2014KRM2801)
+1 种基金
陕西省教育厅专项科研计划项目(No.14JK1282)
西安市2015基础教育研究重大招标项目(No.2015ZB-ZY04)
-
文摘
花授粉算法是一种新的启发式算法,由于存在易陷入局部最优且演化后期收敛速度慢等缺陷,导致算法的寻优能力受到限制。针对该算法存在的不足,在局部授粉过程中引入自适应的变异因子,并对花授粉算法中的转换概率进行自适应调整后,将其与萤火虫算法相结合,提出了一种基于萤火虫算法的改进花授粉算法;最后,通过经典的标准测试函数对新提出的算法与DE-FPA、PSO-FPA做比较实验。实验结果表明,改进后的算法比基本花授粉算法具有更高的收敛精度和稳定性。
-
关键词
花授粉算法
萤火虫算法
最优解
转换概率
变异因子
-
Keywords
Flower Pollination Algorithm(FPA)
Firefly Algorithm(FA)
optimal solution
switch probability
mutation operator
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于自适应花授粉算法的BP神经网络结构优化
被引量：13
- 2
-
-
作者
卞京红
贺兴时
范钦伟
伊宝民
-
机构
西安工程大学理学院
长安大学工程机械学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第3期50-56,130,共8页
-
基金
陕西省自然科学基础研究计划项目(No.2014JM100)
陕西省自然软科学研究计划项目(No.2014KRM2801)
+1 种基金
陕西省教育厅专项科研计划项目(No.14JK1282)
陕西省教育厅专项科研计划项目(No.16JK1341)
-
文摘
传统的BP神经网络通过梯度下降法来调整网络的权值和阈值,使网络存在易陷入局部最优且收敛速度慢等缺陷,在很大程度上限制了BP神经网络的应用。针对BP网络存在的不足,提出利用自适应花授粉算法来优化BP网络的权值和阈值。对花授粉算法(FPA)中的转换概率做自适应调整,并引入自适应的变异因子,提出了自适应的花授粉算法(SFPA);通过两种不同的结合方式将SFPA与BP神经网络进行融合,从而提出了SFPA1-BP神经网络和SFPA2-BP神经网络;通过函数逼近实验和数据集分类实验对新网络的性能进行验证。结果表明,SFPA1-BP和SFPA2-BP在函数逼近和分类方面都优于标准BP网络,且SFPA1-BP具有更高的泛化能力及学习能力。
-
关键词
BP神经网络
花授粉算法
转换概率
变异因子
-
Keywords
Back-Propagation neural network
Flower Pollination Algorithm(FPA)
switch probability
mutation operator
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于精英保留机制的花授粉算法
被引量：4
- 3
-
-
作者
卞京红
任雪婷
-
机构
西安工程大学理学院
-
出处
《哈尔滨商业大学学报（自然科学版）》
CAS
2016年第3期372-377,共6页
-
基金
陕西省自然科学基础研究计划项目(2014
JM100)
+1 种基金
陕西省自然软科学研究计划项目(2014KRM2801)
陕西省教育厅专项科研计划项目(14JK1282)
-
文摘
花授粉算法融合了蝙蝠算法以及布谷鸟算法的优点,从而具有参数少、进化过程简单易控制等优点.但是花授粉算法同时也存在收敛速度慢,易陷入局部极小等不足,针对这些不足,将精英保留机制应用到花授算法中,提出了一种改进的花授粉算法.通过进行数值实验来验证改进后的花授粉算法的性能.实验结果表明,基于精英保留机制的改进花授粉算法具有比花授粉算法收敛速度更快、寻优精度更好等优点.
-
关键词
群智能算法
花授粉算法
精英保留机制
-
Keywords
swar, omte
ogemce lgorithm
flower pollination algorithm
elite mechanism
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名多目标差分进化算法在投资组合中的应用
- 4
-
-
作者
任雪婷
卞京红
张迷
-
机构
西安工程大学理学院
-
出处
《哈尔滨商业大学学报（自然科学版）》
CAS
2017年第3期343-346,362,共5页
-
基金
陕西省自然科学基础研究计划项目(2014
JM100)
+1 种基金
陕西省自然软科学研究计划项目(2014KRM2801)
陕西省教育厅专项科研计划项目(14JK1282)
-
文摘
针对多目标优化问题,提出一种改进的多目标差分进化算法.在基本的差分进化算法中引入了参数自适应调整操作和可行性规则操作.同时,在综合考虑交易费用的基础上建立多目标投资组合模型,并应用改进算法进行求解.结果表明,改进的多目标差分进化算法得到的多目标投资组合的收益率要高于其他算法得到的收益率.
-
关键词
差分进化算法
多目标优化
投资组合
可行性规则
-
Keywords
differential evolution algorithm
multi - objective optimization
portfolio
feasibilit rule
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
