搜索结果: 1-5 共查到“控制科学与技术 算法优化”相关记录5条 . 查询时间(1.521 秒)
利用学习算法优化虚拟脊髓 机器狗一小时学会走路
学习算法 虚拟脊髓 机器狗
<
2023/1/3
据2022年7月18日《自然·机器智能》杂志报道，为了解动物如何学会走路和从绊倒中学习，德国马克斯·普朗克智能系统研究所（MPI-IS）研究人员建造了一个四足机器狗“莫蒂”，它仅仅用了一小时就学会了走路。
基于人工蜂群算法优化的改进高斯过程模型
改进高斯过程 人工蜂群算法 超参数 参数优化
<
2016/7/14
高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高，而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群（ABC）算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习，以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数，提升预测精度。选取训练样本的子样本构建改进GP回归（GPR）模型，采用ABC算法搜寻改进GPR...
借鉴机械优化设计的思想，以总费用为目标函数、以零件参数(标定值和容差等级)为自变量，建立产品性能参数模型，并提出了一种改进的遗传算法。该算法运用了随迭代次数变化的变异概率、自适应变化的交叉概率以及结合赌轮算法的精英选择策略。仿真试验证明，改进的遗传算法不但在收敛速度和搜索能力上优于简单的遗传算法，而且能够较好地避免局部最优，是较好的大规模参数寻优方法。
免疫微粒群算法优化的水下机器人运动控制器
微粒群算法 免疫算法 收敛性
<
2009/10/10
借鉴免疫算法基于浓度和适应度的抗体更新策略，提出一种改进微粒群局部搜索能力的免疫微粒群算法，并对其进行收敛性分析。该算法在满足收敛性的条件下，根据微粒浓度和适应度动态调整加速因子，保证了群的多样性和持续搜索能力。在与遗传算法、免疫遗传算法、基本微粒群等算法的仿真比较试验中，该算法不仅搜索到了最好的近优解，而且收敛速度最快。在无人潜水器仿真平台上的控制试验表明，基于免疫微粒群算法的控制器性能良好，具...