期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种改进的社会认知算法
1
作者 郭庆军 赛云秀 《微电子学与计算机》 CSCD 北大核心 2009年第4期33-35,39,共4页
将自组织迁移算法引入社会认知算法,结合两者的优点,对社会认知算法进行了改进,在建立目标优化模型的基础上,用改进算法解决目标优化问题.实例应用表明:改进后的社会认知算法可以在早期就获得较快的收敛速度,准确快速地解决目标优化问题.
关键词 社会认知算法 自组织迁移算法 目标优化
在线阅读 下载PDF
信息筛选多任务优化自组织迁移算法 被引量:5
2
作者 程美英 钱乾 +1 位作者 倪志伟 朱旭辉 《计算机应用》 CSCD 北大核心 2021年第6期1748-1755,共8页
针对现有自组织迁移算法(SOMA)只能求解单个优化问题及其"隐并行性"未能被充分挖掘的缺陷,提出信息筛选多任务优化自组织迁移算法(SOMAMIF)实现同一时刻处理多个优化问题。首先,构造多任务统一搜索空间,并根据任务个数设置相... 针对现有自组织迁移算法(SOMA)只能求解单个优化问题及其"隐并行性"未能被充分挖掘的缺陷,提出信息筛选多任务优化自组织迁移算法(SOMAMIF)实现同一时刻处理多个优化问题。首先,构造多任务统一搜索空间,并根据任务个数设置相应的子种群;然后,对各子种群当前最优适应值进行判断,当任务连续若干代停滞进化时则产生信息交互需求;接着,按概率从剩余子种群中筛选对自己有用的信息并过滤无用信息,从而在保证信息正向迁移同时实现种群结构的重新调整;最后对算法的时间复杂度和空间复杂度进行分析。实验结果表明,SOMAMIF在同时求解多个高维函数优化问题时均快速收敛至全局最优解0,而SOMAMIF与分形技术相结合同时提取不同户籍高校学生返乡关键制约因素时,其在两个数据集上得到的平均分类准确率与原始数据集的平均分类准确率相比分别提高了0.348 66个百分点和0.598 57个百分点。 展开更多
关键词 多任务优化 自组织迁移算法 信息筛选 多任务高维函数优化 多任务离散优化问题
在线阅读 下载PDF
用自组织迁移算法改进的社会认知优化算法
3
作者 王玲娟 蔚承建 李承相 《计算机工程》 CAS CSCD 北大核心 2008年第22期201-203,共3页
结合自组织迁移算法和社会认知优化的优点,在社会认知优化中融入自组织迁移的过程,通过增加2个参数协调两者的化化进程。经过大量的实验确定这2个参数的适当取值,完善了算法。该算法对最终的优化结果产生的影响微小,且在早期可以就获得... 结合自组织迁移算法和社会认知优化的优点,在社会认知优化中融入自组织迁移的过程,通过增加2个参数协调两者的化化进程。经过大量的实验确定这2个参数的适当取值,完善了算法。该算法对最终的优化结果产生的影响微小,且在早期可以就获得较快的收敛速度。 展开更多
关键词 演化计算 社会认知优化 自组织迁移算法
在线阅读 下载PDF
地表城市热岛时空演变——对夏季热浪时期的关注
4
作者 任嘉义 杨俊 +4 位作者 于文博 丛楠 肖向明 夏建红 李雪铭 《Journal of Geographical Sciences》 SCIE CSCD 2024年第6期1065-1082,共18页
Many cities face heat wave(HW) events, combined with the existent surface urban heat island(SUHI) effects. This places pressure on human settlements and sustainable development. However, few studies have investigated ... Many cities face heat wave(HW) events, combined with the existent surface urban heat island(SUHI) effects. This places pressure on human settlements and sustainable development. However, few studies have investigated the SUHI effects from the perspective of HWs. In this study, the summer HWs in Beijing from 2001 to 2021 were calculated, and the evolution of HWs and SUHIs was quantitatively analyzed based on the dynamic nature of the urban-rural boundary. Beijing experienced 27 HWs in the 21 years, including 10 instances in June, four in July, and 13 in August. The SUHI varied during HWs, between 2–3℃ in most years. The highest SUHI occurred in 2019, reaching 3.99℃ and covering the largest area(10,887 km^(2)). The fluctuation in HWs and SUHIs generally displayed the same spatiotemporal pattern, and HWs amplified the SUHIs to a certain extent, with the highest correlation coefficient being 0.44. Additionally, impervious surfaces and cropland contributed most to SUHIs,and night light enhanced SUHIs. Observing the co-evolution of HWs and SUHIs will be helpful for ecological maintenance and urban infrastructure optimization and provide theoretical support for reducing heat risk and improving the human settlement environment. 展开更多
关键词 heat wave surface urban heat island interactive self-organization algorithm centroid migration BEIJING
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部