带柯西变异的自学习改进烟花算法

发布时间：2021-08-11 07:14

　　针对烟花算法收敛速度慢和求解精度不高,论文提出了一种改进烟花算法——带柯西变异的自学习改进烟花算法.改进算法用全局搜索能力更强的柯西变异算子替代高斯变异算子,增大变异范围;用全局最优烟花个体和历史柯西火花的位置来构造新的爆炸半径使其不仅能够继承和学习历史信息,还能够自适应地调整步长;并使用可同时兼顾烟花质量与分布的"精英-随机"选择策略.使用了10个典型基准测试函数和10个0-1背包问题进行仿真实验,结果表明,与蝙蝠算法、粒子群算法、带高斯扰动的粒子群算法、烟花算法、增强烟花算法、自适应烟花算法相比.该算法在收敛速度、计算精度以及稳定性方面性能更优. 

【文章来源】：小型微型计算机系统. 2020,41(02)北大核心CSCD

【文章页数】：7 页

【部分图文】：

f9寻优进化曲线

在大规模数据集下，算法解决这类解空间较大的问题要求较高的全局搜索能力．因此，改进算法将标准烟花算法中的高斯变异算子更换为全局搜索能力更强的柯西变异算子，增大变异范围，提高全局搜索能力．柯西分布的图形似一个钟形，两翼宽，加大了寻优范围，如图1所示，标准柯西分布在零点附近的波峰低于标准高斯分布，但两边趋向于零的速度比高斯分布要慢，由此可见柯西变异的扰动能力比高斯变异强，变异范围更广，较容易跳出局部最优．柯西变异的计算公式为:

为了对收敛速度和收敛精度的观察更加的直观，文中给出图2至图7的寻优进化曲线．为缩减篇幅，仅给出部分基准测试函数的寻优进化曲线．其中纵坐标中的适应度值均取对数log10，即log10(Fitness).图3 f3寻优进化曲线

【参考文献】：
期刊论文
[1]基于混沌增强烟花算法的多能源系统并网优化调度[J]. 雍静,赵瑾,郇嘉嘉,余梦泽,王晓静.  电网技术. 2019(10)
[2]基于改进烟花-蚁群算法的海流环境下水下无人潜航器的避障路径规划[J]. 马焱,肖玉杰,陈轶,闫泓衫.  导航与控制. 2019(01)
[3]改进烟花算法在虚拟士兵路径规划中的应用[J]. 樊永生,连云霞,杨臻.  计算机工程. 2018(12)
[4]改进选择策略的烟花算法[J]. 余冬华,郭茂祖,刘晓燕,刘国军.  控制与决策. 2020(02)
[5]求解0-1背包问题的改进离散和声搜索算法[J]. 欧阳海滨,夏红刚,王清,马鸽.  广州大学学报(自然科学版). 2018(01)
[6]基于反向学习与动态记忆反馈的烟花算法[J]. 李席广,韩守飞,刘晓静,拱长青.  计算机工程. 2017(12)
[7]烟花算法优化的软子空间MR图像聚类算法[J]. 范虹,侯存存,朱艳春,姚若侠.  软件学报. 2017(11)



本文编号：3335721