王晖
- 作品数：51 被引量：312H指数：9
- 供职机构：南昌工程学院信息工程学院更多>>
- 发文基金：国家自然科学基金江西省自然科学基金江西省研究生创新基金更多>>
- 相关领域：自动化与计算机技术水利工程天文地球建筑科学更多>>
- 光纤技术改善红外测距仪光源的研究
- 王晖
- 自适应人工蜂群算法在梯级水库优化调度中的应用被引量：9
- 2016年
- 针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。
- 李冰孙辉王坤赵嘉王晖
- 关键词：人工蜂群算法自适应局部搜索水库优化调度
- 区域变换搜索的智能算法研究
- 王晖
- 关键词：粒子群优化算法差分演化算法
- HMM/EHMM建模关键问题及其在遥感影像分类识别中的应用研究
- 王晖
- 关键词：遥感图像目标识别隐马尔可夫模型
- 基于平均距离聚类的NSGA-Ⅱ被引量：24
- 2021年
- 拥挤度距离是一种用于度量解集多样性的指标.然而,在许多情况下,该指标无法有效区分多样性较优个体.其原因为拥挤度距离主要利用每个位置的局部信息.为解决该问题,基于整个种群全局位置信息,本文设计了基于平均距离聚类的多样性度量指标,并进一步提出了基于平均距离聚类的NSGA-Ⅱ.该算法利用平均距离将种群划分为若干个大致均匀分布的小种群,然后分别在各小种群内执行选择、交叉和变异等操作.实验结果表明,本文所提算法可以有效地保持种群多样性.
- 崔志华张茂清常宇张江江王晖张文生
- 关键词：多目标优化算法多样性
- 应用精英档案和反向学习的多目标差分进化算法被引量：2
- 2020年
- 针对多目标优化问题日渐复杂的情况,受集成算法思想的启发,提出一种应用精英档案和反向学习的多目标差分进化算法。该算法通过建立一个外部档案来保存种群进化过程中的非支配解,提高算法收敛速度。在进化过程中根据反向学习代跳跃概率,使用反向学习生成反向解,扩大搜索范围,提高种群多样性。利用网格系统确定解的坐标,并根据一定的约束生成交叉池,在交叉池中选择父代个体,利用差分进化算法产生新个体,通过网格约束分解排序算法选择下一代种群。将此算法与其他算法在UF测试函数上进行实验,结果表明:所提出的算法在解决无约束多目标优化问题上得到Pareto前沿形状有较强的鲁棒性。
- 汪慎文王佳莹张佳星王峰王晖
- 关键词：多目标优化差分进化算法
- 面向密度分布不均数据的近邻优化密度峰值聚类算法被引量：10
- 2024年
- 密度分布不均数据是指类簇间样本分布疏密程度不同的数据.密度峰值聚类(DPC)算法在处理密度分布不均数据时,倾向于在密度较高区域内找到类簇中心,并易将稀疏类簇的样本分配给密集类簇.为避免上述缺陷,提出一种面向密度分布不均数据的近邻优化密度峰值聚类(DPC-NNO)算法. DPC-NNO算法结合逆近邻和k近邻定义新的局部密度,提高稀疏样本的局部密度,使算法能更准确地找到类簇中心;定义分配策略时引入共享近邻,计算样本间相似性,构造相似矩阵,使同一类簇样本联系更紧密,避免错误分配样本.将所提出的DPC-NNO算法与IDPC-FA、DPCSA、FNDPC、FKNN-DPC、DPC算法进行对比,实验结果表明, DPC-NNO算法在处理密度分布不均数据时能获得优异的聚类效果,对于复杂数据集和UCI数据集, DPC-NNO算法的综合性能优于对比算法.
- 陈蔚昌赵嘉肖人彬王晖崔志华
- 关键词：聚类分析
- 自适应子空间高斯学习的粒子群优化算法被引量：7
- 2015年
- 为了克服粒子群优化算法在复杂优化问题上易出现早熟收敛、多样性缺失等问题,提出了自适应子空间高斯学习的粒子群优化算法。该方法提出了适应值离散度和子空间高斯学习的概念,以自适应地调整参数和搜索策略,帮助粒子逃离局部最优。同时,该方法还提出邻域学习策略,引入了邻域最优粒子。当前粒子的邻域在进化过程中通过动态构建,以增强种群的多样性。实验对19个常用的经典基准测试函数在30和100维进行了测试,结果表明该算法在收敛速度和寻优精度上优于一些知名的PSO算法。最后,将改进的算法应用于无线传感器网络覆盖优化问题,获得了较好的结果。
- 孙辉朱德刚王晖赵嘉
- 关键词：粒子群优化算法子空间无线传感器网络
- 基于聚集度自适应反向学习粒子群算法在水库优化调度中的应用被引量：7
- 2020年
- 为高效、快速求解水库优化调度问题,提出基于聚集度自适应反向学习粒子群算法。此算法首先采用聚集度策略分析种群的聚散状态,并在此基础上,提出自适应反向学习策略,生成种群中心的反向解参与进化,引导种群改变聚散状态,进一步平衡算法的勘探与开发能力。将基于聚集度自适应反向学习粒子群算法与经典的和最新的高水平粒子群算法进行比较,在所测的基准函数中,本算法在5个基准函数上都取得最优解,验证了其对连续变量函数的优化能力强于所对比算法。在求解水布垭、隔河岩和高坝洲梯级水库优化调度问题上,本算法求得总发电量为86.335 71×10^8 kW·h,求解所需时间为721 ms,相较所对比算法的调度结果,总发电量最大提高了11.860 2×10^8 kW·h,所需计算时间最大降低了21 380 ms,由此验证了基于聚集度自适应反向学习粒子群算法对水库优化问题的可行性。
- 邓志诚孙辉赵嘉赵嘉
- 关键词：水库优化调度粒子群算法
- 一种双空间多性能平衡函数引导的区间高维多目标进化算法
- 2025年
- 利用进化算法求解含区间参数的高维多目标优化问题时,因个体在目标空间由点转变为超体形式,区间目标函数值的优劣比较相对困难,且难以有效平衡算法收敛性、多样性以及不确定性.此外,随着目标数的增加,区间不确定性将逐渐累积,算法耗时也急剧增加.对此,提出一种双空间多性能平衡函数引导的区间高维多目标进化算法,将最优解搜索过程中需要考虑的个体收敛性、种群多样性和不确定性有效地结合起来.首先,在目标空间定义虚拟最优解,利用个体区间距离建立收敛性度量;其次,利用分区参数将搜索空间划分成若干个子空间,个体的搜索空间多样性定义为其所在子空间个体数量在种群中的比例,并通过个体与种群中所有个体的平均相似度衡量目标空间多样性;最后,结合不确定性度量,提出双空间多性能平衡函数引导算法进行最优解选择.为了验证算法的有效性,所提算法在经过区间拓展后的DTLZ多目标基准测试问题上进行测试,与近些年提出的5种优秀的算法进行结果比较.实验结果表明,所提算法在求解含区间参数的高维多目标优化问题上具有较强的竞争力.
- 张志霞张志刚王晖崔志华张文生
- 关键词：进化优化
