教與學(xué)優(yōu)化算法的改進研究.pdf_第1頁
已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、ResearchonImprovementofTeachingLearningBasedOptimizationAlgorithmAThesisSubmittedtoNingxiaUniversityInpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinComputationalMathematicsbyYueZhenfangDissertationSupe

2、rvisor：ProfessorGaoYueLinApril，2016寧夏大學(xué)碩士學(xué)位論文摘要摘要教與學(xué)優(yōu)化算法(TLB0)最大優(yōu)勢在于原理簡單、易實現(xiàn)，需要調(diào)優(yōu)的參數(shù)極少，且計算效率比傳統(tǒng)的方法計算效率高所以該算法自提出以來，已被廣泛用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)優(yōu)化、工程優(yōu)化等領(lǐng)域然而，每種算法都不是萬能的，教與學(xué)優(yōu)化算法也存在早熟收斂的現(xiàn)象，故對該算法在理論和應(yīng)用方面都有必要進一步的改進和研究本文在教與學(xué)優(yōu)化算法的基礎(chǔ)上，針對無約束問題、

3、01非線性規(guī)劃問題對教與學(xué)優(yōu)化算法提出了相應(yīng)的改進策略，數(shù)值實驗說明了提出的改進策略是有效的本文的主要研究內(nèi)容如下：l、提出了兩種改進的教與學(xué)優(yōu)化算法：一種自適應(yīng)教學(xué)因子策略的改進教與學(xué)優(yōu)化算法和一種線性遞減學(xué)習(xí)權(quán)重策略的教與學(xué)優(yōu)化算法數(shù)值結(jié)果表明兩種算法比TLBO算法都具有更好的收斂速度和尋優(yōu)精度2、針對教與學(xué)優(yōu)化算法在解決復(fù)雜優(yōu)化問題時易陷入局部最優(yōu)和早熟收斂的缺點，提出了一種融合模擬退火的改進教與學(xué)優(yōu)化算法數(shù)值實驗表明，該算法是一

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論