题名 基于差分变异算子的烟花算法
被引量：6
1
作者
郭京蕾 赵孝豪 郭亚军
机构
华中师范大学计算机学院
出处
《计算机工程与科学》
CSCD
北大核心
2020年第1期178-184,共7页
基金
国家自然科学基金(61763019) 中央高校基本科研业务费资助项目(CCNU19ZN008)
文摘
烟花算法是受到烟花爆炸的启发而提出的群智能算法。在分析高斯变异算子不足的基础上,提出了一种基于差分变异算子的烟花算法(DEFWA),并对最优烟花采用动态火花爆炸策略。在测试函数集上的实验表明,DEFWA算法在求解精度和收敛速度上优于多种改进型烟花算法。
关键词
烟花算法 爆炸火花 差分变异算子 动态爆炸
Keywords
fireworks algorithm explosion spark differential mutant operator dynamic explosion
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 微扰动和混合变异的差分生物地理学优化算法
被引量：5
2
作者
葛强 李玉晶 乔保军 左宪禹 王更科
机构
河南大学数据与知识工程研究所 河南大学河南省大数据分析与处理重点实验室 中国科学院空天信息创新研究院 中国科学院中国科学院大学
出处
《计算机工程与设计》
北大核心
2021年第2期432-441,共10页
基金
国家自然科学基金项目(U1704122) 国家重点研发计划课题基金项目(2017YFD0301105) 河南大学研究生教育创新与质量提升计划基金项目(SYL18020103)。
文摘
为增强生物地理学优化算法(biogeography-based optimization,BBO)的优化能力并克服其不能很好平衡开发能力与避免陷入局部最优解之间的矛盾,提出基于微扰动和混合变异的差分生物地理学优化算法(differential biogeography optimization algorithm based on micro-perturbation and mixed variation,MDEBBO)。引入差分变异算子和自适应的微扰动因子来改进迁移算子,使算法朝着最优解快速移动,提高算法的查找精度。采用混合变异算子代替原变异算子,在迭代前期算法具有良好的全局探索能力,在后期具有较优的局部开发性。基准测试函数的仿真结果表明了MDEBBO算法的有效性。通过MDEBBO算法对Richards模型进行参数估计预测谷氨酸菌体生长浓度,实验结果表明,MDEBBO算法较对比算法更适用于Richards模型的参数估计。
关键词
生物地理学优化算法 差分变异算子 微扰动因子 混合变异 算子 参数估计
Keywords
biogeography-based optimization differential mutation operator micro-perturbation factor mixed mutation para-meter estimation
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 混合变异算子的人工鱼群算法
被引量：22
3
作者
曲良东 何登旭
机构
广西民族大学数学与计算机科学学院
出处
《计算机工程与应用》
CSCD
北大核心
2008年第35期50-52,共3页
基金
国家民委科学基金项目(No.05GX06)
文摘
在分析基本人工鱼群算法存在不足的基础上,提出了基于高斯变异算子与差分进化变异算子相结合的人工鱼群算法,该算法克服了人工鱼漫无目的随机游动或在非全局极值点的大量聚集,显著提高了求解质量和运行效率.通过仿真实验测试验证,表明该算法是可行的和有效的。
关键词
人工鱼群算法 高斯变异 算子 差分 进化变异 算子
Keywords
Artificial Fish-School Algorithm（AFSA） Gauss mutation operator differential evolution mutation operator
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 改进霜冰优化算法用于无人机三维路径规划
4
作者
汪家伟 付盛伟 黄海松
机构
贵州大学现代制造技术教育部重点实验室
出处
《电子测量技术》
北大核心
2025年第9期44-55,共12页
基金
国家自然科学基金(52165063) 贵州省科技计划资助项目(黔科合支撑[2022]一般165,黔科合支撑[2023]一般309,黔科合支撑[2023]一般348,黔科合支撑[2024]一般09,黔科合平台人才-CXTD[2023]007,黔科合平台人才-GCC[2022]006-1) 贵阳市科技计划资助项目(筑科合同[2023]13-11号)资助。
文摘
霜冰优化算法(RIME)是一种受霜冰自然生长过程启发的智能优化算法,通过软霜冰策略实现全局搜索,硬霜冰策略实现局部开发,具有较强的寻优能力。然而,RIME在应用中存在收敛速度较慢及易陷入局部最优的问题。为此,本文提出一种改进的霜冰优化算法(IRIME)。首先,在算法的初期引入动态质心引导策略,显著提升了收敛速度;其次,在迭代后期融入改进的差分变异算子,有效降低算法陷入局部最优的风险;此外,设计了一种新的质心边界调整策略,通过深度挖掘种群信息,实现精度和效率的协同优化。基于CEC2017基准测试集的实验表明,IRIME在优化性能上优于PPSO、AGWO、HPHHO、RIME和SRIME。进一步将IRIME应用于无人机三维路径规划问题,结果显示其在解的质量、收敛稳定性和求解效率方面具有显著优势,为复杂工程优化问题提供了一种高效的解决方案。
关键词
霜冰优化算法 差分变异算子 数值优化 无人机三维路路径规划
Keywords
RIME optimization algorithm difference mutation operator numerical optimization 3D path planning of unmanned aerial vehicles
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
TN911.73
[电子电信—通信与信息系统]
题名 改进的基于差分进化的群集蜘蛛优化算法
被引量：4
5
作者
向蕾 鲁海燕 胡士娟 沈莞蔷
机构
江南大学理学院 无锡市生物计算工程技术研究中心
出处
《传感器与微系统》
CSCD
北大核心
2021年第6期121-125,132,共6页
基金
国家自然科学基金资助项目(61772013,61402201) 中央高校基本科研业务费专项资金资助项目(114205020513526)。
文摘
为了克服群集蜘蛛优化(SSO)算法易陷入局部极值和收敛速度慢等缺陷,提出了一种融合差分进化和粒子群优化算法搜索机制的改进群集蜘蛛算法。在群集蜘蛛算法中引入差分变异算子,让部分雌蜘蛛进行由种群中全局最优个体和两个随机个体所引导的变异,从而增加种群多样性,提高算法跳出局部最优解的能力。另外,在上述改进的基础上,借鉴粒子群优化算法的搜索机制,在位置更新公式中添加一组动态的非线性惯性权重及学习因子,以更好地平衡算法的局部和全局搜索能力。实验结果表明:改进的群集蜘蛛算法具有更快的收敛速度和更好的求解精度。
关键词
群集蜘蛛优化算法 差分变异算子 无约束优化 惯性权重 学习因子
Keywords
social spider optimization(SSO)algorithm differential mutation operator unconstrained optimization inertia weight learning factor
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 基于多策略融合的混合多目标蝗虫优化算法
被引量：9
6
作者
王博 刘连生 韩绍程 祝世兴
机构
中国民航大学基础实验中心 中国民航大学航空工程学院
出处
《计算机应用》
CSCD
北大核心
2020年第9期2670-2676,共7页
基金
中国民用航空局科技项目(MHRD201019) 天津市教委科研项目(2018KJ246) 中央高校基本科研业务费项目中国民航大学专项(3122017048)。
文摘
为提高蝗虫优化算法(GOA)求解多目标问题的性能,提出一种基于多策略融合的混合多目标蝗虫优化算法(HMOGOA)。首先,利用Halton序列建立初始种群,保证种群在初始阶段具有均匀分布和较高多样性;然后,通过差分变异算子引导种群变异,促进种群向优势个体移动同时进行更大范围寻优;最后,利用自适应权重因子根据种群优化情况动态调整算法全局搜索和局部寻优能力,提高优化效率及解集质量。选取7个典型函数进行实验测试,并将HMOGOA与多目标蝗虫优化、多目标粒子群(MOPSO)、基于分解的多目标进化(MOEA/D)及非支配排序遗传算法(NSGAⅡ)对比分析。实验结果表明,该算法避免了其他四种算法的局部最优问题,明显提高了解集分布均匀性和分布广度,具有更好的收敛精度和稳定性。
关键词
多目标优化 蝗虫优化算法 差分变异算子 自适应权重因子 Halton序列
Keywords
multi-objective optimization Grasshopper Optimization Algorithm(GOA) differential mutation operator adaptive weight factor Halton sequence
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 具备反向学习和局部学习能力的磷虾群算法
被引量：5
7
作者
肖素琼 罗可
机构
长沙理工大学计算机与通信工程学院 长沙理工大学综合交通运输大数据智能处理省重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2018年第18期34-39,共6页
基金
国家自然科学基金(No.11671125 No.71371065)
文摘
针对磷虾群算法易陷入局部最优、收敛速度慢等缺点,提出了具备反向学习和局部学习能力的磷虾群算法。利用混沌映射和反向学习的思想初始化种群,根据算法迭代次数自适应调整学习维度,对精英个体进行反向学习,能有效保持种群的多样性,选取精英群体,通过自适应的Lévy飞行分布和改进的差分变异算子,提高种群的局部学习能力。这种新颖的元启发方式能加速收敛速度的同时可以保证磷虾群算法的鲁棒性。通过对8个基准函数进行仿真测试,实验结果表明:与最近的KH优化算法相比,该算法在收敛速度、收敛精度等方面得到明显改进。
关键词
磷虾群优化算法 种群初始化 精英反向学习 差分变异算子 局部学习
Keywords
Krill Herd(KH)algorithm population initialization elite opposition-based learning differential mutation operator local-learning
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 解复杂多峰优化问题的双引导机制灰狼算法
被引量：5
8
作者
孟团兴 覃华
机构
广西大学计算机与电子信息学院
出处
《计算机工程与设计》
北大核心
2023年第5期1378-1384,共7页
基金
国家自然科学基金项目(51667004、61762009)。
文摘
为解决复杂多峰优化问题高质量解难以获取的难题,分析灰狼算法解此类问题时易陷入局部最优的原因,提出一种解复杂多峰优化问题的双引导机制灰狼算法。对于当前适应度较好的个体,沿用传统灰狼算法引导机制探测个体,保留其局部搜索能力强的优点;对于适应度较差的个体,通过动态选择稀疏点算子或偏向差分变异算子的引导机制探索解空间新区域,增强灰狼算法跳出局部最优的能力。实例仿真计算结果表明,该算法所获计算精度优于相比较的其它算法。特别是Wilcoxon假设检验结果显示,其分别以96.67%、97.43%、93.15%的显著性优于传统灰狼算法、粒子群-灰狼混合算法及选择性反向灰狼算法。
关键词
多峰优化问题 灰狼算法 双引导机制 稀疏度 稀疏点算子 偏向角 偏向差分变异算子
Keywords
multimodal optimization problem grey wolf optimizer dual guidance mechanism sparsity sparse point operator deviation angle biased difference variation operator
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
