欢迎来到天天文库
浏览记录
ID:19719996
大小:761.00 KB
页数:7页
时间:2018-10-05
《基于动态多子族群自适应群居蜘蛛优化算法(》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于动态多子族群自适应群居蜘蛛优化算法*作者(通讯作者)简介:刘洲洲(1981-),博士生,主要从事智能优化算法和无线传感器网络研究Email:nazi2005@126.com基金项目:国家自然科学基金资助项目(61401499),陕西省教育厅科研计划项目资助(16JK1395)刘洲洲1,李彬2(1.西安航空学院,西安陕西7100772,2.西北工业大学电子信息学院,西安陕西710072)摘要:为了提高群居蜘蛛优化算法(SSO)样本多样性和算法收敛性能,提出了一种基于动态多子族群自适应群居蜘蛛优化算法(DMASSO)。根据算法样本多样性和算法进化程度,动态的将蜘蛛种群分成若干个主导子族
2、群和辅助子族群,在不同子族群中分别引入自适应学习因子和高斯扰动因子改进算法个体更新方式,实现提高算法全局寻优能力和保持群体样本多样性。针对具有典型特点的测试函数仿真结果表明,较SSO算法、MSFLA算法等优化算法相比,新算法在收敛速度和收敛精度上均有明显改善。关键词:群居蜘蛛优化算法;多子族群;自适应;函数优化中图分类号:TP273文献标识码:AAnAdaptationSocialSpiderOptimizationAlgorithmBasedonDynamicMulti-swarmStrategyLIUZhouzhou1,LIBin2,(1.Xi’anAeronauticalUniv
3、ersity,Xi’an710077,China,2.SchoolofElectronicsandInformation,NorthwesternPolytechnicalUniversity,Xi’an710072,China)Abstract:Inordertoimprovethesamplesdiversityandconvergencepropertiesofsocialspidersoptimizationalgorithm(SSO),anadaptationsocialspideroptimizationalgorithmbasedondynamicmulti-swarms
4、trategy(DMASSO)isproposed.Accordingtothealgorithmsamplesdiversityandevolutionarylevel,thespiderpopulationisdynamicallydividedintodifferentsizesleadinggroupsandsupportinggroups,andtheadaptivelearningfactorandGaussiandisturbancefactorareintroducedtoimprovethealgorithmupdateways,whichhelpstoimprove
5、thealgorithmglobaloptimizationabilityandmaintainthediversityofthesamplepopulation.ForthetestresultsoftypicalcharacteristicsfunctionsshowthatcomparedtoSSOalgorithm,SFLAalgorithmandotheroptimizationalgorithms,thenewalgorithmhasbetterconvergencespeedandconvergenceaccuracy.Keywords:socialspideroptim
6、izationalgorithm;multi-swarm;adaptation;functionoptimization0引言群居蜘蛛优化算法(SocialSpiderOptimizationAlgorithm,SSO)是Cuevas等学者[1]通过模拟群居蜘蛛协作行为,提出的一种新型随机全局优化技术。在SSO算法中,雌性和雄性两类不同搜索个体按照不同的搜索准则协同进化,能够实现全局寻优[2]。经典函数测试表明,与PSO算法、ABC算法相比,SSO具有良好的收敛性能和鲁棒性[3]。由于SSO算法提出时间不长,与其相关的理论研究和实践应用还相对较少,特别是对于复杂多极值函数优化问题,提高
7、算法收敛效果仍是SSO需要解决的难题。目前,已有部分学者开始对SSO算法改进及应用进行研究,王艳娇等[4]提出了一种基于动态学习策略的群集蜘蛛优化算法,采用云模型和随机交叉策略蜘蛛个体更新方式,提高了算法收敛精度;王文川[3]、吴光琼[5]分别将SSO算法应用于自适应数值积分皮尔逊-III型曲线参数估计和水文频率曲线参数优化中,取得了不错效果。同其它群智能优化算法一样,SSO算法也存在收敛速度慢、容易陷入局部最优的缺陷[6],为此,本文提出了一
此文档下载收益归作者所有