基于RNA遗传操作的改进蝙蝠算法

发布时间：2022-01-25 01:50

　　蝙蝠算法作为一种新型的元启发式算法,具有优越的寻优能力和广泛的应用空间,同时也存在着收敛速度和精度的制约问题及个体之间欠缺交互等问题,针对这些不足,引入了RNA遗传算法增强个体之间的交流,通过信息的交叉和变异等变化措施,加快了算法的搜索能力,提高了搜索精度.通过测试函数验证了改进后的算法具有较好的收敛精度、可靠性和稳定性,大大提升了蝙蝠算法的寻优能力. 

【文章来源】：天津大学学报(自然科学与工程技术版). 2019,52(03)北大核心EICSCD

【文章页数】：6 页

【参考文献】：
期刊论文
[1]具有自学习能力的变异蝙蝠优化算法及性能仿真[J]. 尚俊娜,刘春菊,岳克强,李林.  系统仿真学报. 2017(02)
[2]基于反向学习机制的蝙蝠算法[J]. 岳伟娜,马吉明,苏日建,郭盛楠.  湖北民族学院学报(自然科学版). 2016(03)
[3]基于单纯形法的蝙蝠算法[J]. 肖辉辉.  河池学院学报. 2016(02)
[4]单维学习的蝙蝠算法[J]. 陈梅雯,钟一文,王李进,敖永霞.  小型微型计算机系统. 2015(11)
[5]融合入侵杂草算子的蝙蝠算法[J]. 屈迟文,傅彦铭,侯勇顺.  计算机应用与软件. 2015(04)
[6]基于Powell机制的改进蝙蝠算法[J]. 李雅梅,曹益华.  微电子学与计算机. 2015(03)
[7]面向云计算数据中心的能耗建模方法[J]. 罗亮,吴文峻,张飞.  软件学报. 2014(07)
[8]人工蜂群算法研究综述[J]. 秦全德,程适,李丽,史玉回.  智能系统学报. 2014(02)
[9]基于DE算法改进的蝙蝠算法的研究及应用[J]. 肖辉辉,段艳明.  计算机仿真. 2014(01)
[10]蝙蝠算法的全局收敛性分析[J]. 盛孟龙,贺兴时,丁文静.  纺织高校基础科学学报. 2013(04)



本文编号：3607687