版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、智能優(yōu)化算法因其具有魯棒性強、收斂快和求解質(zhì)量高等優(yōu)點被廣泛應(yīng)用到許多領(lǐng)域。因此,智能優(yōu)化算法的研發(fā)工作顯得十分重要。
本文主要研究入侵雜草優(yōu)化算法的應(yīng)用與改進。將入侵雜草優(yōu)化算法分別應(yīng)用于確定越流含水層參數(shù)和一維水動力彌散實驗中的參數(shù),然后采用變異策略對算法進行改進,改善算法自身的缺陷,提高算法的性能,并將改進的入侵雜草優(yōu)化算法應(yīng)用于確定各向異性含水層參數(shù)。主要內(nèi)容如下:
1、介紹入侵雜草優(yōu)化算法的由來和國內(nèi)外研究
2、成果,對入侵雜草優(yōu)化算法的原理與基本步驟做詳細闡述,分析了入侵雜草優(yōu)化算法的優(yōu)缺點。
2、將入侵雜草優(yōu)化算法應(yīng)用于確定越流含水層參數(shù)和一維水動力彌散實驗中的參數(shù),通過與其他方法計算結(jié)果比較和與實際數(shù)據(jù)吻合程度分析,表明入侵雜草優(yōu)化算法對兩種模型中參數(shù)的計算結(jié)果的可靠性,并且能在較短的時間內(nèi)得到較精確的計算結(jié)果;待估參數(shù)的初始取值范圍對入侵雜草優(yōu)化算法的收斂率和運算時間有細微的影響,但不會影響入侵雜草優(yōu)化算法的計算結(jié)果和收斂性。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 改進入侵雜草優(yōu)化算法及其在天線中的應(yīng)用.pdf
- 基于入侵雜草算法的改進研究及其應(yīng)用.pdf
- 基于改進入侵雜草算法的倉庫貨位分配優(yōu)化研究.pdf
- 入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用.pdf
- 基于改進雜草算法的網(wǎng)絡(luò)路由優(yōu)化.pdf
- 基于入侵雜草算法的數(shù)據(jù)挖掘聚類算法研究.pdf
- 微粒群優(yōu)化算法的改進與應(yīng)用.pdf
- 粒子群優(yōu)化算法的改進與應(yīng)用.pdf
- 微粒群優(yōu)化算法的改進研究與應(yīng)用.pdf
- 改進的聚類算法在入侵檢測中的應(yīng)用.pdf
- 關(guān)聯(lián)規(guī)則挖掘的改進算法在入侵檢測中的應(yīng)用.pdf
- 入侵檢測匹配過程與算法改進研究.pdf
- 改進的k-medoids算法在入侵檢測中的應(yīng)用.pdf
- 改進的社會力模型優(yōu)化算法的研究與應(yīng)用.pdf
- 改進的隨機優(yōu)化算法及應(yīng)用.pdf
- 基于改進聚類算法的Android平臺入侵檢測的研究與應(yīng)用.pdf
- 改進的聚類與決策樹算法在入侵檢測中的應(yīng)用.pdf
- 改進貝葉斯算法及其在入侵檢測的應(yīng)用.pdf
- 改進Apriori算法在入侵檢測中的應(yīng)用研究.pdf
- 粒子群優(yōu)化算法的改進及其應(yīng)用.pdf
評論
0/150
提交評論