一种基于动态惯性权重的鸟群优化算法
发布时间：2021-04-07 18:48
鸟群算法（BSA）作为一种新型的元启发式群智能算法,存在易陷入局部最优、收敛速度慢和求解精度低等问题。针对原鸟群算法在求解最优化问题中的不足,提出一种基于动态惯性权重的鸟群优化算法（DBSA）。该算法通过引入非线性动态惯性权重修正鸟群飞行间隔,平衡种群全局搜索与局部搜索能力;在模拟鸟群生产者觅食的过程中引入莱维飞行,替换原算法中生产者的觅食策略提高算法活力和有效性。实验表明改进后的鸟群算法有效提高了算法的收敛速度和寻优精度。
【文章来源】：计算机应用研究. 2019,36(05)北大核心CSCD
【文章页数】：5 页
【部分图文】：
DBSA算法流程3实验结果与分析
BSA算法寻优误差最大，PSO算法次之，DBSA算法寻优精度最高;f7函数不仅系数复杂而且最优解与m有关，BSA算法在m不同的三种情况下都不能找到最优解;PSO的寻优结果略优于BSA算法;DBSA算法在三种情况下都能较好地找到最优解，寻优结果较BSA算法有显著提高。根据表3的统计结果显示，DBSA算法在这七个函数上的搜索能力显著优于BSA算法和PSO算法。3．2收敛性能比较图3～12给出了BSA、DBSA和PSO三种算法函数适应度随迭代次数的变化曲线，从图3可以看出，对于函数f1，DSA和BSA算法都能有较好的收敛趋势，但DBSA算法较BSA算法收敛速度更快，PSO算法收敛最慢;从图4～7可以看出，PSO和BSA算法对于f2～f4函数均不能有良好的收敛态势，BSA算法的收敛状态优于PSO算法，改进后的DBSA算法无论收敛速度和收敛稳定性较BSA算法都有显著提高且显著优于PSO算法。图3算法收敛对比图(f1)图4算法收敛对比图(f2d=6)图5算法收敛对比图(f2d=10)图6算法收敛对比图(f3)图7算法收敛对比图(f4)图8算法收敛对比图(f5)图9算法收敛对比图(f6)图10算法收敛对比图(f7m=5)图11算法收敛对比图(f7m=7)图12算法收敛对比图(f7m=10)从图8～12可以看出BSA对于函数f5～f7均没有较好的收敛态势，不仅前期收敛速度慢而且后期不能保持稳定，图10虽能保持稳定但不能找到全局最优解，收敛状态显著劣于PSO和DBSA算法，相较与PSO算法，DBSA显然有更好的收敛速度和稳定状态。综上?
BSA算法寻优误差最大，PSO算法次之，DBSA算法寻优精度最高;f7函数不仅系数复杂而且最优解与m有关，BSA算法在m不同的三种情况下都不能找到最优解;PSO的寻优结果略优于BSA算法;DBSA算法在三种情况下都能较好地找到最优解，寻优结果较BSA算法有显著提高。根据表3的统计结果显示，DBSA算法在这七个函数上的搜索能力显著优于BSA算法和PSO算法。3．2收敛性能比较图3～12给出了BSA、DBSA和PSO三种算法函数适应度随迭代次数的变化曲线，从图3可以看出，对于函数f1，DSA和BSA算法都能有较好的收敛趋势，但DBSA算法较BSA算法收敛速度更快，PSO算法收敛最慢;从图4～7可以看出，PSO和BSA算法对于f2～f4函数均不能有良好的收敛态势，BSA算法的收敛状态优于PSO算法，改进后的DBSA算法无论收敛速度和收敛稳定性较BSA算法都有显著提高且显著优于PSO算法。图3算法收敛对比图(f1)图4算法收敛对比图(f2d=6)图5算法收敛对比图(f2d=10)图6算法收敛对比图(f3)图7算法收敛对比图(f4)图8算法收敛对比图(f5)图9算法收敛对比图(f6)图10算法收敛对比图(f7m=5)图11算法收敛对比图(f7m=7)图12算法收敛对比图(f7m=10)从图8～12可以看出BSA对于函数f5～f7均没有较好的收敛态势，不仅前期收敛速度慢而且后期不能保持稳定，图10虽能保持稳定但不能找到全局最优解，收敛状态显著劣于PSO和DBSA算法，相较与PSO算法，DBSA显然有更好的收敛速度和稳定状态。综上?
【参考文献】：
期刊论文
[1]基于鸟群算法的SVM参数选择[J]. 肖海军,卢常景,何凡. 中南民族大学学报(自然科学版). 2017(03)
[2]求解柔性作业车间调度问题的鸟群算法[J]. 屈迟文,傅彦铭,罗明山,林承德,何伟. 计算机工程与应用. 2018(17)
[3]基于莱维飞行的鸟群优化算法[J]. 刘晓龙,宁芊,赵成萍,涂榫. 计算机测量与控制. 2016(12)
[4]改进鸟群算法及其在梯级水库优化调度中的应用[J]. 崔东文,金波. 三峡大学学报(自然科学版). 2016(06)
[5]鸟群算法-投影寻踪回归模型在多元变量年径流预测中的应用[J]. 崔东文,金波. 人民珠江. 2016(11)
[6]基于鸟群算法的微电网多目标运行优化[J]. 曾嶒,彭春华,王奎,张艳伟,张明瀚. 电力系统保护与控制. 2016(13)
[7]莱维飞行与粒子群的混合搜索算法[J]. 牛海帆,宋卫平,宁爱平. 太原科技大学学报. 2016(01)
[8]基于莱维飞行的粒子群优化算法[J]. 王庆喜,郭晓波. 计算机应用研究. 2016(09)
[9]具有动态惯性权重的布谷鸟搜索算法[J]. 周欢,李煜. 智能系统学报. 2015(04)
本文编号：3123998
【文章来源】：计算机应用研究. 2019,36(05)北大核心CSCD
【文章页数】：5 页
【部分图文】：
DBSA算法流程3实验结果与分析
BSA算法寻优误差最大，PSO算法次之，DBSA算法寻优精度最高;f7函数不仅系数复杂而且最优解与m有关，BSA算法在m不同的三种情况下都不能找到最优解;PSO的寻优结果略优于BSA算法;DBSA算法在三种情况下都能较好地找到最优解，寻优结果较BSA算法有显著提高。根据表3的统计结果显示，DBSA算法在这七个函数上的搜索能力显著优于BSA算法和PSO算法。3．2收敛性能比较图3～12给出了BSA、DBSA和PSO三种算法函数适应度随迭代次数的变化曲线，从图3可以看出，对于函数f1，DSA和BSA算法都能有较好的收敛趋势，但DBSA算法较BSA算法收敛速度更快，PSO算法收敛最慢;从图4～7可以看出，PSO和BSA算法对于f2～f4函数均不能有良好的收敛态势，BSA算法的收敛状态优于PSO算法，改进后的DBSA算法无论收敛速度和收敛稳定性较BSA算法都有显著提高且显著优于PSO算法。图3算法收敛对比图(f1)图4算法收敛对比图(f2d=6)图5算法收敛对比图(f2d=10)图6算法收敛对比图(f3)图7算法收敛对比图(f4)图8算法收敛对比图(f5)图9算法收敛对比图(f6)图10算法收敛对比图(f7m=5)图11算法收敛对比图(f7m=7)图12算法收敛对比图(f7m=10)从图8～12可以看出BSA对于函数f5～f7均没有较好的收敛态势，不仅前期收敛速度慢而且后期不能保持稳定，图10虽能保持稳定但不能找到全局最优解，收敛状态显著劣于PSO和DBSA算法，相较与PSO算法，DBSA显然有更好的收敛速度和稳定状态。综上?
BSA算法寻优误差最大，PSO算法次之，DBSA算法寻优精度最高;f7函数不仅系数复杂而且最优解与m有关，BSA算法在m不同的三种情况下都不能找到最优解;PSO的寻优结果略优于BSA算法;DBSA算法在三种情况下都能较好地找到最优解，寻优结果较BSA算法有显著提高。根据表3的统计结果显示，DBSA算法在这七个函数上的搜索能力显著优于BSA算法和PSO算法。3．2收敛性能比较图3～12给出了BSA、DBSA和PSO三种算法函数适应度随迭代次数的变化曲线，从图3可以看出，对于函数f1，DSA和BSA算法都能有较好的收敛趋势，但DBSA算法较BSA算法收敛速度更快，PSO算法收敛最慢;从图4～7可以看出，PSO和BSA算法对于f2～f4函数均不能有良好的收敛态势，BSA算法的收敛状态优于PSO算法，改进后的DBSA算法无论收敛速度和收敛稳定性较BSA算法都有显著提高且显著优于PSO算法。图3算法收敛对比图(f1)图4算法收敛对比图(f2d=6)图5算法收敛对比图(f2d=10)图6算法收敛对比图(f3)图7算法收敛对比图(f4)图8算法收敛对比图(f5)图9算法收敛对比图(f6)图10算法收敛对比图(f7m=5)图11算法收敛对比图(f7m=7)图12算法收敛对比图(f7m=10)从图8～12可以看出BSA对于函数f5～f7均没有较好的收敛态势，不仅前期收敛速度慢而且后期不能保持稳定，图10虽能保持稳定但不能找到全局最优解，收敛状态显著劣于PSO和DBSA算法，相较与PSO算法，DBSA显然有更好的收敛速度和稳定状态。综上?
【参考文献】：
期刊论文
[1]基于鸟群算法的SVM参数选择[J]. 肖海军,卢常景,何凡. 中南民族大学学报(自然科学版). 2017(03)
[2]求解柔性作业车间调度问题的鸟群算法[J]. 屈迟文,傅彦铭,罗明山,林承德,何伟. 计算机工程与应用. 2018(17)
[3]基于莱维飞行的鸟群优化算法[J]. 刘晓龙,宁芊,赵成萍,涂榫. 计算机测量与控制. 2016(12)
[4]改进鸟群算法及其在梯级水库优化调度中的应用[J]. 崔东文,金波. 三峡大学学报(自然科学版). 2016(06)
[5]鸟群算法-投影寻踪回归模型在多元变量年径流预测中的应用[J]. 崔东文,金波. 人民珠江. 2016(11)
[6]基于鸟群算法的微电网多目标运行优化[J]. 曾嶒,彭春华,王奎,张艳伟,张明瀚. 电力系统保护与控制. 2016(13)
[7]莱维飞行与粒子群的混合搜索算法[J]. 牛海帆,宋卫平,宁爱平. 太原科技大学学报. 2016(01)
[8]基于莱维飞行的粒子群优化算法[J]. 王庆喜,郭晓波. 计算机应用研究. 2016(09)
[9]具有动态惯性权重的布谷鸟搜索算法[J]. 周欢,李煜. 智能系统学报. 2015(04)
本文编号：3123998
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3123998.html
