您的位置： 专家智库 > >

郝名林

作品数：5 被引量：73H指数：4
供职机构：中国矿业大学信息与电气工程学院更多>>
发文基金：国家教育部博士点基金江苏省自然科学基金国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 4篇分布估计算法
  • 2篇差分
  • 2篇差分进化
  • 1篇多目标
  • 1篇多目标优化
  • 1篇多目标优化问...
  • 1篇多样性
  • 1篇优化算法
  • 1篇预测控制
  • 1篇早熟收敛
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇最优解
  • 1篇细菌
  • 1篇细菌觅食
  • 1篇向量
  • 1篇向量机
  • 1篇觅食行为
  • 1篇混合优化算法
  • 1篇机器人

机构

  • 5篇中国矿业大学
  • 1篇中国科学院自...

作者

  • 5篇王雪松
  • 5篇程玉虎
  • 5篇郝名林
  • 2篇李明

传媒

  • 2篇电子学报
  • 1篇中国矿业大学...
  • 1篇系统仿真学报
  • 1篇山东大学学报...

年份

  • 2篇2010
  • 2篇2009
  • 1篇2008
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
一种多样性保持的分布估计算法被引量：17
2010年
针对传统分布估计算法中存在的早熟收敛问题,在讨论种群多样性保持方法和早熟原因的基础上,提出一种多样性保持的分布估计算法(EDA-DP),具体措施包括:根据混沌运动具有的随机性、遍历性、初值敏感性和规律性等特点引入混沌变异算子;根据个体适应度值和种群中各个体之间的距离信息自适应调整变异半径;根据种群中的个体浓度信息生成子代种群.基准测试函数的实验结果表明,EDA-DP能够有效防止早熟收敛,在提高解的精度和加快收敛速度方面均有所改善.
程玉虎王雪松郝名林
关键词：分布估计算法多样性早熟收敛
基于差分进化的并联机器人位姿正解被引量：4
2008年
利用并联机器人位姿反解容易求取的特点,把并联机器人的位姿正解问题转化为假设已知位姿正解,通过位姿反解求得杆长值,并使所求得的杆长值与给定的杆长值之差为最小的优化问题,然后利用差分进化的全局寻优能力来直接求解并联机器人的位姿正解.6-SPS型并联机器人位姿正解的数值仿真结果表明,该方法较遗传算法求解精度高且收敛速度快,经过508步迭代之后,位置误差小于0.000 1 mm,姿态误差小于0.000 1°.该方法不仅避免了繁琐的数学推导和迭代初值的选取,又可以获得符合精度要求的运动学正解,为解决并联机器人正向运动学问题提供了新的计算策略.
王雪松郝名林程玉虎李明
关键词：并联机器人差分进化
基于细菌觅食行为的分布估计算法在预测控制中的应用被引量：36
2010年
为增强分布估计算法(EDA)的局部优化能力,将细菌的觅食(BF)行为,即细菌的趋化性运动引入到分布估计算法中,提出一种基于细菌觅食行为的分布估计算法BF-EDA.通过8个Benchmark函数来测试算法性能,并与常规EDA、粒子群优化(PSO)和HPSO-TVAC算法进行实验比较,结果表明BF-EDA算法在优化解的质量和收敛速度方面具有较好的性能.进一步,为克服传统的基于梯度信息优化方法的缺点,将BF-EDA应用于预测控制的非线性滚动优化阶段,以优化求解被控系统的最优控制序列.曲线跟踪实验结果表明,基于BF-EDA的预测控制算法具有良好的控制品质.
王雪松程玉虎郝名林
关键词：分布估计算法细菌觅食预测控制
一种支持向量机参数选择的改进分布估计算法被引量：8
2009年
支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置.将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distribution algorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度.由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷.Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法.
王雪松程玉虎郝名林
关键词：支持向量机参数选择分布估计算法
一种多目标优化问题的混合优化算法被引量：12
2009年
利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA。DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成。利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端。通过4组基准函数来测试算法性能,并与NSGA-II和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法。
王雪松郝名林程玉虎李明
关键词：多目标优化差分进化分布估计算法PARETO最优解
全选 清除 导出
共1页<1>
聚类工具0