-
题名基于高斯扰动和指数递减策略的改进蝙蝠算法
被引量：4
- 1
-
-
作者
宋一民
李煜
-
机构
郑州财经学院现代物流与管理系
河南大学商学院
河南大学管理科学与工程研究所
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第5期1384-1389,共6页
-
基金
国家自然科学基金资助项目(71601071)
国家教育部人文社科青年基金资助项目(15YJC630079)
+1 种基金
河南省重点研发与推广专项资助项目(182102310886)
河南省科技攻关重点项目(162102110109)。
-
文摘
针对基本蝙蝠算法后期收敛速度慢、收敛精度不高、稳定性不强等问题,提出基于高斯扰动和指数递减策略的改进蝙蝠算法(GDEDBA)。将指数递减策略引入速度更新公式,使算法迅速进入局部寻优并展开精确搜索;构造高斯扰动项加入到局部新解产生公式,使局部新解中所有粒子与当前全局最优粒子产生信息交流与学习,防止陷入局部最优,增加种群多样性;设计扰动控制因子来控制高斯扰动的扰动范围,增强算法的稳定性。15个测试函数的仿真结果表明,改进算法的寻优性能显著提高,收敛速度更快,求解精度更高,稳定性更强。
-
关键词
蝙蝠算法
高斯扰动
指数递减策略
算法改进
函数优化
-
Keywords
bat algorithm
Gaussian disturbance
exponential decreasing
algorithm improvement
function optimization
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
