一种求解动态及不确定性优化问题的新方法

刘晓

Chinese

您当前的位置：

首页 >

文章列表页 >

一种求解动态及不确定性优化问题的新方法

更新时间：2026-09-04

- 一种求解动态及不确定性优化问题的新方法
- A New Method for Solving Dynamic and Uncertain Optimization Problems
- 微电子学与计算机 2016年33卷第7期页码：83-88
- 作者机构：
  
  中航工业西安航空计算技术研究所,陕西,西安,710065
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
刘晓. 一种求解动态及不确定性优化问题的新方法[J]. 微电子学与计算机, 2016, 33(7): 83-88.

LIU Xiao. A New Method for Solving Dynamic and Uncertain Optimization Problems[J]. 2016, 33(7): 83-88.
刘晓. 一种求解动态及不确定性优化问题的新方法[J]. 微电子学与计算机, 2016, 33(7): 83-88. DOI：

LIU Xiao. A New Method for Solving Dynamic and Uncertain Optimization Problems[J]. 2016, 33(7): 83-88. DOI：

摘要

动态和不确定性优化问题

是许多智能优化算法面临的巨大挑战.介绍了一种可求解这类问题的连续动作学习自动机(Continuous-Action Learning Automaton

CALA).该自动机利用一个可变区间作为其动作集

并依照均匀分布方式产生输出动作.根据一个滑动窗口内的最佳的历史动作

对区间的两个端点进行更新.通过两个仿真实验

演示了该算法在时变的随机环境下的优异性能.相对于三种传统的CALA算法

新算法的学习精度、反应速度以及在最坏情况下的行为表现都非常出色.

Abstract

Dynamic and uncertain optimization problems pose a serious challenge to many intelligent optimization algorithms. A continuous action learning automaton (CALA) is introduced that can solve such problems. The automaton uses a variable interval as its action set

and generates actions with uniform distribution over this interval. The endpoints of the interval are updated according to the best historical action within a sliding window. Simulation results are presented to show the performance of the automaton in two time-varying stochastic environments. It is shown that the new algorithm exceeds three of the traditional CALA algorithms in the accuracy of learning

the rapidity of response

and the behaviors in the worst case.

关键词

Keywords

references

Vlachogiannis J G. Probabilistic constrained load flow considering integration of wind power generation and electric vehicles[J]. IEEE Transactions on Power Systems, 2009, 24(4): 1808-1817. DOI: 1808

Englewood Cliffs, NJ Narendra K S, Thathachar M A L. Learning automata: An introduction[M]. Englewood Cliffs, NJ: Prentice Hall, 1989: 35-58. DOI: 35

Thathachar M A L, Sastry P S. Varieties of learning automata: An overview[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2002, 32(6): 711-722. DOI: 711

刘晓. 一种鲁棒的连续动作学习自动机[C]//全国抗恶劣环境计算机第二十五届学术年会论文集. 银川, 2015: 266-271.

Santharam G, Sastry P S, Thathachar M A L. Continuous action set learning automata for stochastic optimization[J]. Journal of the Franklin Institute, 1994, 331(5): 607-628. DOI: 607

Sastry P S, Nagendra G D, Manwani N. A team of continuous-action learning automata for noise-tolerant learning of half-spaces[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 2010, 40(1): 19-28. DOI: 19

刘子坤, 李枚毅, 张晓. 动态环境下运用对称位移映射的PSO算法[J]. 计算机工程, 2014, 40(11): 200-204. DOI: 200

刘晓. 基于智能计算的非线性系统辨识与建模[C]//全国抗恶劣环境计算机第二十五届学术年会论文集. 银川, 2015: 251-255.

Beigy H, Meybodi M R. A new continuous action-set learning automaton for function optimization[J]. Journal of the Franklin Institute, 2006, 343(1): 27-47. DOI: 27

Howell M N, Frost G P, Gordon T J, et al. Continuous action reinforcement learning applied to vehicle suspension control[J]. Mechatronics, 1997, 7(3): 263-276. DOI: 263

杨久红, 王小增. 改进的混合粒子群算法[J]. 微电子学与计算机, 2012, 29(5): 170-173. DOI: 170

谢朝政, 樊晓光, 禚真福. 引入模式搜索算子的粒子群优化算法[J]. 微电子学与计算机, 2015, 32(2): 97-99. DOI: 97

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多尺度融合与小目标增强的航拍车辆检测算法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

面向处理器分支预测单元的Spectre攻击轻量化防御方法

基于区块链的AI生成内容溯源框架设计研究

注意力机制与改进密集卷积引导的信息隐藏模型