基于近邻套索算子的磷虾群算法

发布时间：2021-03-13 17:56

　　针对标准磷虾群算法（KH）在求解复杂函数优化问题时局部搜索能力差,开采能力不足的问题,提出了一种基于近邻套索算子的磷虾群算法（NLKH）。该算法将一种新的近邻套索算子加入了标准磷虾群算法,使得处理复杂函数优化问题更加有效。近邻套索算子通过比较磷虾个体之间的欧式距离来选取目标磷虾对,然后通过在优质个体附近加速操作产生新磷虾个体和剔除劣质磷虾个体的方式,提高了磷虾个体局部搜索的能力。通过比较PSO算法、KH算法、KHLD算法、NLKH算法在10个测试函数上的结果表明,NLKH算法相较于PSO算法、KH算法和KHLD算法有着更强全局搜索能力,寻优精度更高,收敛速度更快,稳定性更好。并且NLKH算法相较于KH算法和KHLD算法有着更强的局部勘测能力,开采能力更强。 

【文章来源】：计算机工程与应用. 2019,55(09)北大核心

【文章页数】：7 页

【部分图文】：

NLKH算法运算机制图

ShpereModel函数测试结果图

GeneralizedSchwefel’sProblem函数测试结果图

【参考文献】：
期刊论文
[1]基于改进磷虾群算法的SVDD参数优化[J]. 孔祥鑫,周炜,王晓丹.  计算机工程与应用. 2017(22)
[2]最优粒子增强探索粒子群算法[J]. 唐祎玲,江顺亮,叶发茂,许庆勇,葛芸,徐少平.  计算机工程与应用. 2017(04)



本文编号：3080665