快速倒序算子的研究

doi:10.3778/j.issn.1002-8331.2009.04.013

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (4): 45-47.DOI: 10.3778/j.issn.1002-8331.2009.04.013

快速倒序算子的研究

闭应洲^1,2,丁立新¹,杨小雄³

1.武汉大学软件工程国家重点实验室，武汉 430072
2.广西师范学院信息技术系，南宁 530001
3.广西师范学院资源与环境科学学院，南宁 530001

收稿日期:2008-01-09 修回日期:2008-03-31 出版日期:2009-02-01 发布日期:2009-02-01
通讯作者: 闭应洲

On faster inversion operator

BI Ying-zhou^1,2,DING Li-xin¹,YANG Xiao-xiong³

1.State Key Laboratory of Software Engineering，Wuhan University，Wuhan 430072，China
2.Department of Information Technology，Guangxi Teachers Education University，Nanning 530001，China
3.School of Resource & Environment Science，Guangxi Teachers Education University，Nanning 530001，China

Received:2008-01-09 Revised:2008-03-31 Online:2009-02-01 Published:2009-02-01
Contact: BI Ying-zhou

摘要/Abstract

摘要： 为了有效地处理建筑块，Bagley最先提出了应用倒序算子来对定义建筑块的基因进行适应性聚集。但是Bagley和Frantz的研究都表明，倒序算子太慢，作用不明显。针对TSP问题，郭涛提出一个“带导向的”倒序算子，取得了很好的效果。为了设计更快速的倒序算子，提出结合粒子群优化的方法改进郭涛算法，更好地利用当前最优解指导倒序，同时对个体施加倒序运算后立即评估，如有改进马上保存，从而巩固所获取的建筑块，不至于因为后面的错误而导致前功尽弃。实验结果证明了新算法的可行性。

关键词: 郭涛算子, 粒子群优化, 快速倒序算子

Abstract: To process building-blocks effectively，Bagley first presented the inversion operator for aggregating the genes defining building-blocks.However，Bagley and Frantz both reported that inversion was too slow and not very effective.Guotao used a “guided” inversion operator for TSP and it performed successfully.To design a faster inversion operator，this paper presented that combining Guotao’s operator with the idea from Particle Swarm Optimization，and evaluating immediately the individual while it is inverted.If the immediate solution is better，it should replace the old one.In this way，all the building-blocks from searching can be saved and exploited effectively.

Key words: Guotao operator, Particle Swarm Optimization（PSO）, faster inversion operator

闭应洲^1,2,丁立新¹,杨小雄³. 快速倒序算子的研究[J]. 计算机工程与应用, 2009, 45(4): 45-47.

BI Ying-zhou^1,2,DING Li-xin¹,YANG Xiao-xiong³. On faster inversion operator[J]. Computer Engineering and Applications, 2009, 45(4): 45-47.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[6]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[7]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[8]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[9]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[10]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[11]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[12]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[13]	汤深伟，贾瑞玉. 基于改进粒子群算法的[k]均值聚类算法[J]. 计算机工程与应用, 2019, 55(18): 140-145.
[14]	王燕燕1，王宏伟1，2. 基于粒子群的后件多项式RBF神经网络算法[J]. 计算机工程与应用, 2019, 55(12): 72-76.
[15]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.

快速倒序算子的研究

On faster inversion operator

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics