基于混合策略改进的果蝇优化算法

发布时间：2021-04-24 18:30

　　针对基本果蝇优化算法收敛精度不高、容易陷入局部最优和收敛速度慢的问题,提出一种基于混合策略改进的果蝇优化算法（MSFOA）。受鲸鱼捕食猎物的启发,在对个体历史最优位置的更新中,采用新的组合搜索的方法,加快果蝇搜索迭代速度;在更新后的位置公式中引入自适应权重系数,提高算法的优化精度;当达到局部收敛状态时,结合多尺度高斯变异算子解决局部最优的限制。采用6个测试函数的仿真结果表明,MSFOA算法相比其它算法具有更快的收敛速度和较高的寻优精度。 

【文章来源】：计算机工程与设计. 2020,41(01)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 基本果蝇优化算法
2 混合策略改进的果蝇优化算法
    2.1 自适应权重系数
    2.2 搜索包围和螺旋式上升
    2.3 多尺度高斯变异算子
        2.3.1 多尺度协同变异
        2.3.2 高斯变异算子
3 实验及结果分析
    3.1 实验设计
    3.2 实验结果与分析
        3.2.1 固定进化迭代次数的收敛速度和精度
        3.2.2 算法时间复杂度的分析
4 结束语


【参考文献】：
期刊论文
[1]一种改进的鲸鱼优化算法[J]. 张永,陈锋.  计算机工程. 2018(03)
[2]An improved fruit fly optimization algorithm for solving traveling salesman problem[J]. Lan HUANG,Gui-chao WANG,Tian BAI,Zhe WANG.  Frontiers of Information Technology & Electronic Engineering. 2017(10)
[3]自适应种群更新策略的多目标粒子群算法[J]. 翁理国,王骥,夏旻,纪壮壮.  计算机工程与应用. 2017(15)
[4]融合禁忌搜索的混合果蝇优化算法[J]. 张彩宏,潘广贞.  计算机工程与设计. 2016(04)
[5]果蝇优化算法优化性能对比研究[J]. 刘立群,韩俊英,代永强,火久元.  计算机技术与发展. 2015(08)
[6]An Optimization Algorithm for Service Composition Based on an Improved FOA[J]. Yiwen Zhang,Guangming Cui,Yan Wang,Xing Guo,Shu Zhao.  Tsinghua Science and Technology. 2015(01)



本文编号：3157853