Tent混沌和变邻域局部搜索优化的GSA

发布时间：2023-02-27 20:33

　　针对引力搜索算法存在的易陷入局部最优、精度有待提高等问题,提出一种Tent混沌和变邻域局部搜索优化的引力搜索算法。首先改进Tent混沌,利用其遍历均匀性、随机性初始化种群,增强算法的全局搜索能力;然后改进粒子速度和引力系数公式,加快算法的收敛速度;最后设计一种基于莱维飞行的变邻域局部搜索策略,引导种群脱离局部最优,提高寻优精度。仿真结果显示,新算法能有效地抑制局部最优,相较其他测试算法有更好的寻优精度和稳定性。利用新算法优化径向基函数神经网络,对非线性系统的辨识结果证明,改进后的径向基函数神经网络比标准径向基函数神经网络和反向传播神经网络具备更好的模型逼近能力和泛化水平。

【文章页数】：8 页

【文章目录】：
1 Tent混沌和变邻域局部搜索优化的引力搜索算法
    1.1 引力搜索算法
    1.2 改进Tent混沌
    1.3 基于莱维飞行的变邻域局部搜索策略
    1.4 改进粒子速度更新策略
    1.5 改进引力系数公式
    1.6 TVL-GSA算法流程
    1.7 基准函数测试
2 TVL-GSA对非线性系统辨识的应用
    2.1 基于TVL-GSA优化径向基函数神经网络
    2.2 辨识实验设计
    2.3 辨识实验结果
3 结束语



本文编号：3751397