具有组合变异策略的回溯搜索优化算法

发布时间：2021-08-02 12:56

　　针对回溯搜索优化算法收敛速度慢和易陷入局部最优的缺陷,提出了一种基于组合变异策略的改进回溯搜索优化算法。为了提高历史种群的多样性并扩大算法的搜索空间,在算法迭代过程中采用柯西种群生成策略,利用柯西分布尺度系数生成历史种群;引入基于混沌映射和伽玛分布的组合变异策略,在一定概率下对较差个体进行变异生成质量较好的个体;对新种群中越界个体采用越界处理策略,确保算法在预定的搜索空间内搜索。选取了11个标准测试函数,在低维和高维状态下进行数值仿真,并与3种表现良好的算法进行比较,结果表明该改进算法在收敛速度和收敛精度上有很大优势。 

【文章来源】：计算机工程与应用. 2020,56(09)北大核心CSCD

【文章页数】：7 页

【部分图文】：

伽玛分布概率密度曲线分析图

具体实验参数设置如下：种群规模N=30，交叉概率mixrate=1，实验分别对函数在30维下仿真，最大迭代次数5 000次。对每个测试函数分别独立运行30次，取其最优值（Best）、平均值（Mean）和方差（Std）进行比较，函数30维下测试结果比较如表2所示。由表2可知，CMBSA算法的收敛精度均高于BSA、BGBSA和IBSA算法，且比其他三种算法稳定。特别是函数f1和函数f2,CMBSA算法非常稳定且最优值达到了函数的理论最优值；对于函数f3、f4、f7和f10,CMBSA算法的稳定性和收敛精度明显优于其他三种算法，所获得的函数最优解非常接近函数的理论最优值，且获取的平均值效果更显著；对于f9函数和f11函数，CMBSA算法的平均值和最优值均优于BSA、BGBSA和IBSA算法，且稳定性较强；对于f5、f6和f8函数，CMBSA算法均优于其他三种算法的平均值和最优值。故，CMBSA算法的优化性能高于其他三种算法。

CMBSA算法测试函数曲线对比图

【参考文献】：
期刊论文
[1]基于柯西烟花算法的大规模服务组合优化[J]. 王亮,郭星.  计算机工程与应用. 2018(24)
[2]基于多尺度混沌变异粒子群算法的三维空间线缆敷设技术[J]. 王发麟,廖文和,郭宇,王晓飞.  机械工程学报. 2017(09)



本文编号：3317603