基于越界重置和高斯变异的蝙蝠优化算法

发布时间：2021-09-09 07:39

　　针对蝙蝠算法个体越界、易早熟收敛的问题,提出一种基于越界重置和高斯变异的蝙蝠优化算法。新算法将飞越解空间边界的个体拉回解空间内,利用越界重置策略重新分配位置。通过高斯变异策略控制个体的搜索范围,使种群以最优解为中心向四周呈放射状搜索,增强了算法的局部搜索和全局寻优能力。蝙蝠算法在靠近目标解时响度和脉冲发射频率更新不协调,影响了算法的持续进化能力,通过线性渐变策略保证响度和脉冲发射频率的变化与算法持续进化相适应。研究了在解空间不同位置关系的情况下新算法和对比算法的优化能力,并结合实验数据对算法收敛稳定性进行分析。实验结果表明,提出的新算法具有较好的收敛速度和精度,其全局寻优能力和高维问题优化能力体现了很好的鲁棒性。 

【文章来源】：计算机工程与科学. 2019,41(01)北大核心CSCD

【文章页数】：9 页

【文章目录】：
1 引言
2 蝙蝠算法
    2.1 蝙蝠算法的结构
    2.2 蝙蝠算法存在的问题
3 改进的蝙蝠算法
    3.1 越界重置策略
    3.2 变异策略
    3.3 响度和脉冲发射频率
    3.4 算法流程
4 实验仿真
    4.1 实验设计
    4.2 实验结果
    4.3 算法收敛稳定性分析
5 结束语


【参考文献】：
期刊论文
[1]混合蝙蝠算法及其应用[J]. 何子旷,吴伟民,林志毅.  计算机工程与设计. 2016(11)
[2]自适应变异的蝙蝠算法[J]. 岳小雪,郑云水,林俊亭.  计算机测量与控制. 2015(02)
[3]函数优化的小生境蝙蝠算法[J]. 高珊,马良,张惠珍.  数学的实践与认识. 2014(15)
[4]一种改进的变步长自适应蝙蝠算法及其应用[J]. 张宇楠,刘付永.  广西民族大学学报(自然科学版). 2013(02)
[5]基于空间缩放和吸引子的粒子群优化算法[J]. 迟玉红,孙富春,王维军,喻春明.  计算机学报. 2011(01)



本文编号：3391700