基于动态压力控制算子的磷虾群算法

发布时间：2021-08-12 04:09

　　针对基础磷虾群（KH）算法在求解复杂函数优化问题时局部搜索能力差、求解精度低、收敛速度慢、容易陷入局部最优等问题,提出一种基于动态压力控制算子的磷虾群算法（DPCKH）。该算法将一种新的动态压力控制算子加入了标准磷虾群算法,使其处理复杂函数优化问题更有效。动态压力控制算子通过欧氏距离量化了多个不同优秀个体对目标个体的诱导效应,进而在优秀个体附近加速产生新磷虾个体,提高了磷虾个体的局部探索能力。通过比较蚁群算法（ACO）、差分进化算法（DE）、磷虾群算法（KH）、改进的磷虾群算法（KHLD）和粒子群算法（PSO）,DPCKH算法在7个测试函数上的结果表明,DPCKH算法与ACO算法、DE算法、KH算法、KHLD算法和PSO算法相比有着更强的局部勘测能力,其开采能力更强。 

【文章来源】：计算机应用. 2019,39(03)北大核心CSCD

【文章页数】：5 页

【部分图文】：

DPCKH算法流程Fig．1FlowchartofDPCKHalgorithm3仿真实验与结果分析

【参考文献】：
期刊论文
[1]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉.  计算机工程与应用. 2018(12)
[2]改进的排序变异多目标差分进化算法[J]. 刘宝,董明刚,敬超.  计算机应用. 2018(08)
[3]群智能算法优化的结合熵的最大类间方差法与脉冲耦合神经网络融合的图像分割算法[J]. 程述立,汪烈军,秦继伟,杜安钰.  计算机应用. 2017(12)
[4]基于自然选择和随机扰动的改进磷虾群算法[J]. 刘沛,高岳林,郭伟.  小型微型计算机系统. 2017(08)
[5]基于果蝇优化算法的小波域数字水印算法[J]. 肖振久,孙健,王永滨,姜正涛.  计算机应用. 2015(09)



本文编号：3337555