项目名称: 具有学习机制的多目标蚁群算法及其应用研究

项目编号: No.60905044

项目类型: 青年科学基金项目

立项/批准年度: 2010

项目学科: 轻工业、手工业

项目作者: 柯良军

作者单位: 西安交通大学

项目金额: 18万元

中文摘要: 现实世界存在大量的多目标优化问题。现有研究表明,蚁群算法可为求解这类问题提供有竞争力的方案。然而,现有蚁群算法的多样化机制和强化机制不能很好地适用于多目标优化问题,信息素和启发信息的集结还缺少理论指导,且算法有效性尚未有理论分析。以上因素严重制约了多目标蚁群算法的发展和实际应用。本项目拟通过系统分析影响多样性和强化性的各个因素,建立有效的多样化机制和强化机制,并建立依据搜索状态选取这些机制的初始规则;通过学习不断完善选取规则,增强算法的适应性;通过研究多属性决策,为合理集结信息素和启发信息提供理论指导与方法。本项目将建立一种具有学习机制的多目标蚁群算法,证明算法的收敛性并估计计算时间,为算法有效性提供理论依据,并将所提出的算法应用于特征选择等多目标优化问题,为解决这类问题提供有效方案。本项目的成功实施,将为多目标优化、多属性决策及随机优化算法的研究提供新的思路和方法。

中文关键词: 蚁群算法;多目标优化;多目标背包问题;多目标旅行商问题;

英文摘要:

英文关键词: ant colony optimization;multiobjective optimization;multiobjective knapsack proble;multiobjective traveling sales;

成为VIP会员查看完整内容
0

相关内容

蚁群算法(Ant Colony Optimization, ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型算法。 它由Marco Dorigo于1992年在他的博士论文“Ant system: optimization by a colony of cooperating agents”中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

Source: 蚁群算法

个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
14+阅读 · 2021年9月23日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
80+阅读 · 2020年12月18日
专知会员服务
43+阅读 · 2020年12月8日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
不断发展的强化学习算法
TensorFlow
2+阅读 · 2021年5月20日
TKDE 2020 | 面向严格冷启动推荐的属性图神经网络
PaperWeekly
13+阅读 · 2020年12月18日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
15+阅读 · 2021年2月19日
UNITER: Learning UNiversal Image-TExt Representations
Arxiv
23+阅读 · 2019年9月25日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Arxiv
11+阅读 · 2018年4月25日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
14+阅读 · 2021年9月23日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
[计算博弈论及其应用],85页ppt
专知会员服务
125+阅读 · 2021年7月21日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
80+阅读 · 2020年12月18日
专知会员服务
43+阅读 · 2020年12月8日
相关资讯
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
不断发展的强化学习算法
TensorFlow
2+阅读 · 2021年5月20日
TKDE 2020 | 面向严格冷启动推荐的属性图神经网络
PaperWeekly
13+阅读 · 2020年12月18日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
相关论文
微信扫码咨询专知VIP会员