基于单纯形搜索法和免疫进化微粒群算法,提出1个求解无约束最优化问题的新的混合算法—单纯形搜索法和免疫进化微粒群算法的混合算法.由于它不需要梯度信息,所以具有易实施、收敛速度快和计算准确的优点.为了证明混合算法能够改进免疫...基于单纯形搜索法和免疫进化微粒群算法,提出1个求解无约束最优化问题的新的混合算法—单纯形搜索法和免疫进化微粒群算法的混合算法.由于它不需要梯度信息,所以具有易实施、收敛速度快和计算准确的优点.为了证明混合算法能够改进免疫进化微粒群算法的性能,首先利用6个测试函数进行仿真计算比较,计算结果表明,新的混合算法在求解质量和收敛速率上都优于其它进化算法(IEPSO,PSOPC,GSPSO,LSPSO and CPSO);其次,将新混合算法和最新的3种混合算法进行鲁棒性分析比较,结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都优于其它算法.展开更多
针对斑点鬣狗优化算法(spotted hyena optimizer,SHO)容易陷入局部最优解、求解质量低等缺点,本文提出使用Lévy飞行和单纯形搜索算法改进SHO(spotted hyena optimizer based on simplex method and Lévy flight,Lévy_SM_...针对斑点鬣狗优化算法(spotted hyena optimizer,SHO)容易陷入局部最优解、求解质量低等缺点,本文提出使用Lévy飞行和单纯形搜索算法改进SHO(spotted hyena optimizer based on simplex method and Lévy flight,Lévy_SM_SHO)。将Lévy_SM_SHO与Lévy飞行斑点鬣狗优化算法(spotted hyena optimizer based on Lévy flight,Lévy_SHO)、单纯形搜索斑点鬣狗优化算法(spotted hyena optimizer based on simplex method,SM_SHO)和SHO在测试函数上结果进行对比,实验证明改进算法能够取得较好的优化结果。并将Lévy_SM_SHO算法用于红外图像阈值分割问题,通过与粒子群算法(particle swarm optimization,PSO)分割结果对比,证明Lévy_SM_SHO算法能够取得较好的阈值分割结果。展开更多
基金国家自然科学基金(the National Natural Science Foundation of China under Grant No.5027150)湖南省教育厅一般项目(the Common Project of Bureau of Education of Hunan Province under Grant No.05C410)
文摘基于单纯形搜索法和免疫进化微粒群算法,提出1个求解无约束最优化问题的新的混合算法—单纯形搜索法和免疫进化微粒群算法的混合算法.由于它不需要梯度信息,所以具有易实施、收敛速度快和计算准确的优点.为了证明混合算法能够改进免疫进化微粒群算法的性能,首先利用6个测试函数进行仿真计算比较,计算结果表明,新的混合算法在求解质量和收敛速率上都优于其它进化算法(IEPSO,PSOPC,GSPSO,LSPSO and CPSO);其次,将新混合算法和最新的3种混合算法进行鲁棒性分析比较,结果表明,新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都优于其它算法.
文摘针对斑点鬣狗优化算法(spotted hyena optimizer,SHO)容易陷入局部最优解、求解质量低等缺点,本文提出使用Lévy飞行和单纯形搜索算法改进SHO(spotted hyena optimizer based on simplex method and Lévy flight,Lévy_SM_SHO)。将Lévy_SM_SHO与Lévy飞行斑点鬣狗优化算法(spotted hyena optimizer based on Lévy flight,Lévy_SHO)、单纯形搜索斑点鬣狗优化算法(spotted hyena optimizer based on simplex method,SM_SHO)和SHO在测试函数上结果进行对比,实验证明改进算法能够取得较好的优化结果。并将Lévy_SM_SHO算法用于红外图像阈值分割问题,通过与粒子群算法(particle swarm optimization,PSO)分割结果对比,证明Lévy_SM_SHO算法能够取得较好的阈值分割结果。
