Biblioteca32.346 documentos en l韓ea

Art韈ulo

Adaptive Grouping Cloud Model Shuffled Frog Leaping Algorithm for Solving Continuous Optimization ProblemsAlgoritmo de salto de rana barajado con modelo de agrupación adaptable para resolver problemas de optimización continua

Resumen

El algoritmo de salto de rana barajado (SFLA) cae fácilmente en el óptimo local cuando resuelve un problema de optimización de funciones multióptimas, lo que repercute en la precisión y la velocidad de convergencia. Por lo tanto, este trabajo presenta el SFLA agrupado para resolver problemas de optimización continua combinados con las excelentes características de transformación del modelo de nube entre la investigación cualitativa y cuantitativa. El algoritmo divide el dominio de definición en varios grupos y da a cada grupo un conjunto de ranas. Las ranas de cada región buscan en su memeplex, y en el proceso de búsqueda el algoritmo utiliza la "estrategia de élite" para actualizar la información de localización de las ranas de élite existentes a través del algoritmo de modelo de nube. Este método reduce el espacio de búsqueda y puede mejorar eficazmente la situación de un óptimo local; así, la velocidad de convergencia y la precisión pueden mejorar significativamente. Los resultados de la simulación por ordenador confirman esta conclusión.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Ingl閟
  • Tama駉: Kb

C髆o citar el documento

Esta es una versi髇 de prueba de citaci髇 de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citaci髇 de las respectivas fuentes.

Este contenido no est锟 disponible para su tipo de suscripci锟絥

Información del documento