改进共享策略的简单群搜索优化算法

改进共享策略的简单群搜索优化算法

ID:11210446

大小:29.00 KB

页数:8页

时间:2018-07-10

改进共享策略的简单群搜索优化算法_第1页
改进共享策略的简单群搜索优化算法_第2页
改进共享策略的简单群搜索优化算法_第3页
改进共享策略的简单群搜索优化算法_第4页
改进共享策略的简单群搜索优化算法_第5页
资源描述:

《改进共享策略的简单群搜索优化算法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、改进共享策略的简单群搜索优化算法CN43—1258/TPISSN1007—130X计算机工程与科学COMPUTERENGINEERING&SCIENCE2011年第33卷第7期V01.33,No.7,2011文章编号:1007—130X(2011)070193—04改进共享策略的简单群搜索优化算法ASimplifiedGroupSearchOptimizationAlgorithmUsingImprovedSharingStrategies张雯雾.高守平ZHANGWen—fen,GAOShou—ping(湘南学院计算机系,湖

2、南郴州423000)(DepartmentofComputerScience,XiangnanUniversity,Chenzhou423000.China)摘要:本文对GSO算法进行了改进.采用了三种改进措施,一是使用新的信息共享策略,不仅共享最优个体,而且共享其它优秀个体的位置信息;二是采用完全随机搜索,不再按搜索角度进行搜索;三是限制游荡者扰动的维数.其中第一项改进是本文提出的.经过6个经典测试函数测试对比后可知,无论在高维还是低维情况下,改进算法的搜索性能都优于原GSO算法以及GA,PSO算法,在高维问题中尤其明显.Abst

3、ract:ThispaperpresentsanimprovedGSOalgorithm.Themodificationhasthreemainas—pects:firstly,usesanimprovedsharingstrategywhichsharesnotonlythebestmemberbutalsotheothergoodmembers'information;secondly,usescompletelyrandomsearchinsteadofsearchbytheheadangle;thirdly,restrict

4、sthenumberofchangingdimensionsofthescroungers.Amongthem,thefirstoneisproposedinthispaper.Whentestedagainstsixbenchmarkfunctions,inlowandhighdimen—sions,theimprovedalgorithmhasacompetitiveperformancetoGSO,GAandPSO,especiallyonhigh—dimensionalproblems.关键词:优化算法;群体智能;群搜索优化

5、算法;函数优化Keywords:optimizeralgorithm;swarmintelligence;GSOalgorithm;functionoptimizationdoi:10.3969/j.issn.1007—130X.2O11.07.037中图分类号:TP18;TP301文献标识码:A引言仿生优化算法如遗传算法,进化算法等,已被广泛应用于科研和实际优化问题.近年来,出现了一类新的仿生优化算法:群体智能算法.典型的群体智能算法有粒子群算法(PSOAlgorithm),蚁群算法(ACAlgorithm)和群搜索优化算法(GS

6、OAlgorithm).根据"没有免费的午餐"理论口],不存在某个全能搜索算法适宜解决所有优化问题,不同算法在不同问题中各有优劣.GSO算法在高维多模态函数优化中优势明显_3],但其算法较复杂,运行速度较慢,在低维优化问题中表现不佳.针对GSO算法的不足,已有一些文献对其进行了改进.文献[4]的改进算法简化了计算,*收稿日期:2011-03—20;修订日期:2011-06—26基金项目:湖南省科技计划资助项目(2009FJ3194);湖南省高等学校科学研究重点资助项目(08A064)通讯地址:423000湖南省郴州市人民西路26号欧

7、典名园9栋3单元1015室Address:Room1015,Unit3,Building9,OudianmingyuanGarden,26RenminRdWest,Chenzhou,Hunan423000,P.R.China193提高了性能,但对低维函数的优化能力依然较弱,并且只能用于自变量有上下边界的问题.文献[5]进行了进一步改进,但其改进只对低维问题有效,高维时的性能则低于文献[4].本文在文献[4]的基础上,提出了一种性能更高的改进算法:简化的群搜索优化算法(SGSO).在低维(30维)和高维(300维)的情况下,对6个经典

8、测试函数进行了优化实验,将SGSO算法与GA,PSO,GSO和文献[4]算法进行了对比分析.2群搜索优化算法的改进群搜索优化(GSO)算法源于群居动物如鸟,鱼,狮子等的觅食行为_1].这些动物的觅食策略主要有:(1)发现,即发现食物;

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。