基于混沌和自适应搜索策略的GSO算法分析与优化

发布时间：2021-01-08 10:27

　　针对基本萤火虫群算法在全局优化问题求解过程中存在的求解精度偏低、易陷入局部最优、收敛速度较慢等问题,提出一种基于混沌和自适应搜索策略的萤火虫优化算法（CSAGSO）。利用混沌搜索技术对萤火虫种群进行初始化以得到分布更为均匀、合理的较优初始解;运用混沌扰动优化策略对每一代适应度较差的部分萤火虫个体进行混沌扰动以增强种群多样性和提高全局搜索能力。采用动态步长的自适应搜索策略,并对寻优过程中静止不动的萤火虫个体位置进行更新,加快了算法前期收敛速度,减少了后期震荡现象发生。仿真实验结果表明,优化后的萤火虫算法参数较少并具有较好稳定性,同时在求解精度和收敛速度上都明显优于基本萤火虫群算法。 

【文章来源】：计算机工程与应用. 2019,55(03)北大核心

【文章页数】：7 页

【文章目录】：
1 概述
2 基本萤火虫算法
3 GSO算法的优化
    3.1 混沌序列初始化种群
    3.2 自适应搜索策略
        3.2.1 邻域集为空条件下的自主随机搜索
        3.2.2 动态变化移动步长
    3.3 混沌扰动优化策略
    3.4 CSAGSO算法流程
    3.5 CSAGSO算法伪代码
4 实验结果与分析
    4.1 实验环境及参数设置
    4.2 测试结果与分析
5 结束语


【参考文献】：
期刊论文
[1]一种改进的变步长萤火虫优化算法[J]. 郁书好,杨善林,苏守宝.  小型微型计算机系统. 2014(06)
[2]具有全局收敛性的改进萤火虫优化算法[J]. 马小雨,高继勋.  科学技术与工程. 2013(11)
[3]带高斯变异的人工萤火虫优化算法[J]. 莫愿斌,刘付永,张宇楠.  计算机应用研究. 2013(01)
[4]基于自适应惯性权重的混沌粒子群算法[J]. 周燕,刘培玉,赵静,王乾龙.  山东大学学报(理学版). 2012(03)
[5]带交尾行为的混沌人工萤火虫优化算法[J]. 黄凯,周永权.  计算机科学. 2012(03)
[6]自适应步长萤火虫优化算法[J]. 欧阳喆,周永权.  计算机应用. 2011(07)
[7]基于双Logistic变参数和Chebychev混沌映射的彩色图像密码算法[J]. 张云鹏,左飞,翟正军.  西北工业大学学报. 2010(04)
[8]基于微粒群算法的最佳证券投资组合研究[J]. 刘晓峰,陈通,张连营.  系统管理学报. 2008(02)
[9]一种新型Skew Tent映射的混沌混合优化算法[J]. 江善和,王其申,江巨浪.  控制理论与应用. 2007(02)
[10]基于粒子群优化算法的移动机器人全局路径规划[J]. 孙波,陈卫东,席裕庚.  控制与决策. 2005(09)



本文编号：2964429