改进多样性和局部优化能力的引力搜索算法.pdf

改进多样性和局部优化能力的引力搜索算法.pdf

ID:56029755

大小:403.89 KB

页数:6页

时间:2020-06-19

改进多样性和局部优化能力的引力搜索算法.pdf_第1页
改进多样性和局部优化能力的引力搜索算法.pdf_第2页
改进多样性和局部优化能力的引力搜索算法.pdf_第3页
改进多样性和局部优化能力的引力搜索算法.pdf_第4页
改进多样性和局部优化能力的引力搜索算法.pdf_第5页
资源描述:

《改进多样性和局部优化能力的引力搜索算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第40卷第8期计算机工程2014年8月Vo1.40No.8ComputerEngineeringAugust2014·人工智能及识别技术·文章编号:1000.3428(2014}08.0173.06文献标识码:A中图分类号:TP18改进多样性和局部优化能力的引力搜索算法王蕾,潘丰(江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122)摘要:针对引力搜索算法局部搜索能力较弱,搜索过程容易出现早熟的现象,提出一种基于多样性和局部优化能力协同优化的引力搜索算法。将粒子群算法中局部最优解和细菌趋化中排斥操作的概念引入到引力搜索算法中,通过帮助粒子接近最优位置和

2、逃离最差位置,改进了搜索算法中粒子的局部优化能力及种群多样性,并使用标准函数进行测试。结果表明,该算法能够实现全局搜索与局部搜索的平衡,最大程度地保持种群多样性,提高算法搜索能力。关键词:引力搜索算法;细菌趋化;排斥操作;多样性;局部搜索;最优位置GravitationalSearchAlgorithmofImprovedDiversityandLocalOptimizationAbilityWANGLei.PANFeng(KeyLaboratoryofAdvancedProcessControlforLightIndustry,MinistryofEducat

3、ion,JiangnanUniversity,Wuxi214122,China)【Abstract】AimingattheproblemthattheGravitationalSearchAlgorithm(GSA)playsbadperformanceinthelocalsearchabilityandiseasytogetintotheprematureconvergenceinthesearchingprocess,anewGSAbasedonDiversityandLocalOptimizationstrategy(DLOGSA)isproposed.T

4、heideasaboutthelocaloptimalsolutionofparticleswarmoptimizationandthechemo—repellentsofbacterialchemotaxisareintroducedtothegravitationalsearchalgorithm,whichimprovesthelocaloptimizationabilityofparticlesandthediversityofpopulationinGSAthroughhelpingtheparticlesapproachtheoptimalposit

5、ionandfleetheworstposition.Thevalidityoftheimprovedmethodisconfirmedbytestingthebenchmarkfunctions.ResultsshowthattheGSAbasedontheimprovementofdiversityandlocaloptimizationabilitycanbalancetheglobalsearchabilityandthelocalsearchability,keepthediversityofpopulationatutmost,andimprovet

6、hesearchcapabilitysubstantially.【Keywords】GravitationalSearchAlgorithm(GSA);bacterialchemotaxis;exclusiveoperation;diversity;localsearch;optimalpositionDOI:10.3969/j.issn.1000—3428.2014.O8.033的全局搜索能力。文献[12]对GSA的记忆性进行1概述改进,提出记忆改进GSA(MemoryGravitational由文献[1]提出的引力搜索算法(GravitationalSear

7、chAlgorithm,MGSA),在一定程度上改善了SearchAlgorithm,GSA)是一种启发式算法,是适合GSA的局部搜索能力。于大范围搜索空间问题的全局搜索算法。研究证研究发现,以往的算法改进主要针对GSA算法明,GSA的全局搜索能力明显优于粒子群优化算的全局与局部搜索能力,但GSA在搜索过程中,每法]、遗传算法]、蚁群算法]、中心引力算法等个粒子都向质量大的粒子靠近,在这种方式下,由于智能优化算法。目前,GSA已成功地应用于无人机多样性的失去,粒子群易在全局近优点的吸引下陷航路规划问题、多目标最优能流问题H、电厂锅炉入局部最优,发生早熟收敛。在引

8、力搜索算法中添废气排放模

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。