一种新的拓展离子运动算法

发布时间：2021-03-30 12:22

　　离子运动算法（IMO）是最近提出的一种新型群智能随机优化算法。由于IMO的搜索方程没有考虑带同性电荷的离子之间的相互排斥关系,这使得IMO算法的搜索方程存在搜索能力强但开发能力差之不足,导致算法易陷入局部最优。针对这一问题,本文基于离子同类相斥和异类相吸特征、离子晶体结构特征、以及离子在液态状态下的运动特征,提出一种新的拓展离子运动算法（EIMO）。我们选取10个比较常用的基准测试函数用来测试本文算法,并与IMO和PSO算法相比较,结果表明:EIMO具有良好的处理复杂数值优化问题的性能。 

【文章来源】：计算机仿真. 2019,36(09)北大核心

【文章页数】：6 页

【部分图文】：

IMO流程图

图2三种算法在10个优化问题上的收敛曲线叠加图PSO好。下一步，我们将研究如何将其应用于解决多目标优化和离散优化问题。参考文献:［1］JHHolland．Adaptationinnaturalandartificialsystems［D］．Uni-versityofMichiganPress，AnnArbor，MI，1975．［2］J．Kennedy，Ｒ．C．Eberhart．Particleswarmoptimization［C］．Proc．oftheIEEEInternationalconferenceonNeuralNetworks，IEEEServiceCenter，Piscataway，NJ，IV:1995:1942－1948．［3］MarcoDorigo，VittorioManiezzo，AlbertoColorni．Antsystem:Op-—313—

【参考文献】：
期刊论文
[1]基于拟熵自适应启动局部搜索策略的混合粒子群算法[J]. 曹玉莲,李文锋,张煜.  电子学报. 2018(01)
[2]旅行商问题的混沌混合离散蝙蝠算法[J]. 戚远航,蔡延光,蔡颢,汤雅连,吕文祥.  电子学报. 2016(10)
[3]采用双模飞行的粒子群优化算法[J]. 李景洋,王勇,李春雷.  模式识别与人工智能. 2014(06)
[4]受启发的人工蜂群算法在全局优化问题中的应用[J]. 高卫峰,刘三阳,黄玲玲.  电子学报. 2012(12)
[5]求解TSP的人工萤火虫群优化算法[J]. 周永权,黄正新.  控制与决策. 2012(12)
[6]一种信息充分交流的粒子群优化算法[J]. 吕强,刘士荣.  电子学报. 2010(03)
[7]基于多粒度的旅行商问题描述及其蚁群优化算法[J]. 冀俊忠,黄振,刘椿年,代启国.  计算机研究与发展. 2010(03)
[8]自适应变异的粒子群优化算法[J]. 吕振肃,侯志荣.  电子学报. 2004(03)
[9]一种基于动物自治体的寻优模式:鱼群算法[J]. 李晓磊,邵之江,钱积新.  系统工程理论与实践. 2002(11)



本文编号：3109498