公共文化服务平台

周新宇: 作品数：15 被引量：183H指数：7; 供职机构：江西师范大学计算机信息工程学院更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金软件工程国家重点实验室开放基金更多>>; 相关领域：自动化与计算机技术水利工程文化科学政治法律更多>>

合作作者

城市形象建构与媒介使用: 周新宇; 关键词：城市形象媒介媒介地理

一种精英反向学习的粒子群优化算法被引量：90: 2013年; 为解决传统粒子群优化算法易出现早熟的不足,提出了精英反向学习策略,引入精英粒子,采用反向学习生成其反向解,扩大搜索区域的范围,可增强算法的全局勘探能力.同时,为避免最优粒子陷入局部最优而导致整个群体出现搜索停滞,提出了差分演化变异策略,采用差分演化算法搜索最优粒子的邻域空间,可增强算法的局部开采能力.在14个测试函数上将本文算法与多种知名的PSO算法进行对比,实验结果表明本文算法在解的精度与收敛速度上更优.; 周新宇吴志健王晖李康顺张浩宇; 关键词：全局优化粒子群优化

基于适应度分组的多策略人工蜂群算法被引量：6: 2022年; 多策略机制是改进人工蜂群算法的有效手段,但是现有的很多相关工作未考虑种群中不同个体的特点,一视同仁地分配解搜索方程,导致多策略机制的有效性受到限制.为此,文中提出基于适应度分组的多策略人工蜂群算法,既考虑种群中的优秀个体,又照顾较差个体.首先,根据个体适应度把种群划分为三组,每组个体都有自己的特点,能在勘探和开采之间有所侧重.然后,为每组设计具备不同搜索能力的解搜索方程,使各组能相互分工与合作,更好地平衡整体种群的勘探和开采能力.最后,为了继续维持观察蜂阶段的原有作用,设计融合全局最优个体和精英个体的解搜索方程,充分发挥优秀个体在搜索过程中的引导作用.在CEC2013、CEC2015测试集上的实验表明文中算法竞争力较强.; 周新宇胡建成吴艳林钟茂生王明文; 关键词：人工蜂群搜索能力

一种基于强化学习的自适应多邻域人工蜂群算法: 2024年; 邻域拓扑是提高人工蜂群算法性能的一种有效手段.然而,现有相关工作主要是在种群层次上实现了单一邻域拓扑,这种方式忽略了不同类型的邻域拓扑能优势互补,使得算法性能还有一定局限性.为此,本文结合强化学习,提出在个体层次上实现多邻域拓扑。将种群中的个体视作智能体,设计了基于邻域拓扑的状态和动作,选用4种不同特征的邻域拓扑用于构建邻域候选池,之后采用Q-learning方法根据个体的奖励情况为其自适应选择不同的邻域拓扑.该方式相对于现有的单一邻域拓扑,更能充分发挥不同邻域信息对算法搜索的引导作用.在CEC2013和CEC2017两套测试集以及两个实际优化问题上进行了大量实验,与4种邻域相关ABC和4种知名改进ABC进行了性能对比,结果表明该算法的收敛精度和速度均有更好表现,可有效增强邻域人工蜂群算法的性能.; 周新宇尹子悦高卫峰谭贵森易玉根; 关键词：群智能人工蜂群

基于三角的骨架差分进化算法被引量：11: 2015年; 差分进化(differential evolution,DE)算法简单高效,但其控制参数和差分变异策略对待解的优化问题较为敏感,对问题的依赖性较强.为克服这一缺陷,提出了一种新的基于三角的骨架差分进化算法(bare-bones differential evolution algorithm based on trigonometry,tBBDE),并使用随机泛函理论分析了算法的收敛性.算法采用了三角高斯变异策略以及三元交叉和交叉概率自适应策略对个体进行更新,并在收敛停滞时进行种群扰动,算法不仅继承了骨架算法无参数的优点,而且还很好地保留了DE算法基于随机个体差异进行的特性.通过对包括单峰函数、多峰函数、偏移函数和高维函数的26个基准测试函数的仿真实验和分析,验证了新算法的有效性和可靠性,经与多种同类的骨架算法以及知名的DE算法在统计学上的分析比较,证明了该算法是一种具有竞争力的新算法.; 彭虎吴志健周新宇邓长寿; 关键词：差分进化高斯变异全局优化

基于精英区域学习的动态差分进化算法被引量：17: 2014年; DE算法简单高效,但对复杂问题也存在收敛效率较低的问题,为提高DE算法的全局勘探能力和收敛精度,提出了一种新的精英区域学习动态差分进化算法,算法首先将历史精英保存在精英池中,然后采用正弦函数对精英池中的精英进行区域学习,最后利用动态DE模式有效提高收敛的速度,并从理论上证明了算法的收敛性.通过对包括单峰函数、多峰函数和偏移函数的20个基准测试函数的仿真实验和分析,验证了新算法的有效性和适用性,其能在保持较高的收敛速度的同时也能保持较好的收敛精度,经与多种知名的DE算法在统计学上的分析比较,证明了该算法是一种具有竞争力的新算法.; 彭虎吴志健周新宇邓长寿; 关键词：差分进化

GPU上基于改进精英策略差分演化的神经网络学习算法: 2016年; 神经网络在诸多领域中取得了极为成功的应用,然而传统基于梯度下降的神经网络学习算法容易陷入局部最优,导致欠拟合,影响了神经网络模型的学习效果.针对该问题,提出GPU上基于改进精英策略差分演化的神经网络学习算法,利用损失函数梯度信息初始化一部分种群个体,同时利用变异种群精英信息指导搜索,并且在GPU上并行演化,在机器学习算法基准测试数据集上与传统基于误差反向传播的神经网络学习算法以及传统基于差分演化的神经网络学习算法进行了对比.同时,也与CPU上改进精英策略差分演化的神经网络学习算法的性能进行了比较,结果表明本文提出的算法训练时间更短,预测精度更高.; 王晓峰吴志健周新宇郭肇禄; 关键词：差分演化神经网络 GPU

自适应双坐标系的差分进化算法求解混合变量优化问题: 2024年; 如何设计求解混合变量优化问题(Mixed-variable Optimization Problems,MVOPs)的相关算法,是计算机算法设计与分析领域中的一个重要研究方向.该问题的求解难点在于需同时优化连续型和离散型决策变量,目前进化算法(Evolutionary Algorithms,EAs)是求解该问题的一种有效手段.然而,现有的相关EAs忽略了问题变量之间的相关性,导致算法性能还存在一定不足.为此,本文从变量相关性角度出发,提出了一种自适应双坐标系的差分进化算法来求解MVOPs.首先,利用种群的协方差矩阵信息来构建特征坐标系,实现在特征坐标系下执行算法的相关操作,以松弛连续变量与离散变量之间的相关性;其次,为避免种群多样性丢失,仍保留了原坐标系,并设计了一种自适应策略来应用特征坐标系和原坐标系,以发挥双坐标系的优势;最后,为提高离散变量的优化效果,专门设计了一种基于离散变量相关性的局部搜索策略,以增强算法的整体性能.为验证本文方法性能,在一套包含28个测试函数的通用测试集上进行了大量实验,与5种求解MVOPs的知名EAs进行了对比,结果表明本文方法有更好性能.此外,在一个实际MVOP上,即焊接梁设计问题,本文方法能取得目前已知最好解.本文方法为计算机算法设计和分析领域的相关工作提供了新的思路.; 周新宇黄君洪彭虎王晖王峰; 关键词：差分进化

基于多元信息引导的人工蜂群算法: 2024年; 利用优秀个体增强解搜索方程的开采能力是改进人工蜂群算法的一种主流思路.然而,现有相关工作往往仅以适应度信息作为评价个体的唯一标准,易导致算法出现早熟收敛等问题.本文提出一种多元信息引导的人工蜂群算法,分别设计了基于适应度、位置以及相似度信息的3种解搜索方程,并在雇佣蜂阶段和观察蜂阶段采用了不同的使用方式.同时,为保存侦察蜂阶段的搜索经验,采用一种微调后的邻域搜索机制用于处理被放弃蜜源.在CEC2013测试集和一个实际优化问题上进行了大量实验验证,与6种衍生算法和5种知名的相关改进人工蜂群算法进行了对比,结果表明本文算法性能竞争优势明显,在结果精度和收敛速度上均有更好表现.; 周新宇刘颖吴艳林郭京蕾; 关键词：人工蜂群算法多元信息邻域搜索

基于正交实验设计的人工蜂群算法被引量：31: 2015年; 人工蜂群算法是近年来提出的较为新颖的全局优化算法,已成功地应用于解决不同类型的实际优化问题.然而在该算法及相关的改进算法中,侦察蜂通常采用随机初始化的方法来生成新食物源.虽然这种方法较为简单,但易造成侦察蜂搜索经验的丢失.从算法搜索过程的内在机制出发,提出采用正交实验设计的方式来生成新的食物源,使得侦察蜂能够同时保存被放弃的食物源和全局最优解在不同维度上的有益信息,提高算法的搜索效率.在16个典型的测试函数上进行了一系列实验验证,实验结果表明:1)该方法能够在基本不增加算法运行时间的情况下,显著地提高人工蜂群算法的求解精度和收敛速度;2)与3种典型的变异方法相比,有更好的整体性能;3)可作为提高其他改进人工蜂群算法性能的通用框架,具备有良好的普适性.; 周新宇吴志健王明文; 关键词：人工蜂群正交实验设计

周新宇

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

周新宇

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈