当前位置:主页 > 科技论文 > 自动化论文 >

最优小波转移的逆向果蝇优化算法

发布时间:2018-01-10 13:17

  本文关键词:最优小波转移的逆向果蝇优化算法 出处:《微电子学与计算机》2017年12期  论文类型:期刊论文


  更多相关文章: 果蝇优化算法 小波转移 逆向转移 局部最优


【摘要】:针对果蝇优化算法在优化复杂高维问题易陷入局部最优,从而导致收敛速度慢,寻优精度较低的问题,提出一种最优小波转移的逆向果蝇优化算法.鉴于果蝇优化算法只向种群最优个体聚拢的算法局限性,增加了小波转移的逃逸机制以保证迭代方向选择的正确性.在种群多样性较低时对群体进行逆向小波转移,指引种群从局部限制逃离向全局最优解处收敛.通过仿真实验测试,新算法可以有效保持种群正确的进化方向、有效抑制算法陷入局部最优并具有良好的优化性能.
[Abstract]:Drosophila optimization algorithm is easy to fall into local optimum in the optimization of complex high dimensional problem, which leads to slow convergence rate and low precision. In this paper, an optimal wavelet transform inverse Drosophila optimization algorithm is proposed. Due to the limitation of Drosophila optimization algorithm, it only converges to the optimal individuals of the population. The escape mechanism of wavelet transfer is added to ensure the correctness of iterative direction selection. When population diversity is low, the population is transferred by inverse wavelet transform. The guided population converges from local restriction escape to global optimal solution. Through simulation experiments, the new algorithm can effectively maintain the correct evolution direction of the population. The effective suppression algorithm falls into local optimum and has good optimization performance.
【作者单位】: 江西理工大学信息工程学院;
【基金】:国家自然科学基金(11461031)
【分类号】:TP18
【正文快照】: 1引言优化问题是一项在各个科学领域都不可避免的重要问题.随着现代计算理论复杂化,传统的优化技术难以有效地处理相关问题.群体智能算法中遗传算法,粒子群算法被提出且已广泛应用于各工程科学领域.果蝇优化算法是一种新型的群智能全局优化算法[1-2],其简单易懂的代码以及高效

【相似文献】

相关期刊论文 前10条

1 石一辉;易攀;张承学;;快速开方算法在微控制器上的实现[J];计算机技术与发展;2007年04期

2 刘剑;陈建;邬连学;;一种数字PID控制算法分析[J];承德石油高等专科学校学报;2007年03期

3 杜卫林;李斌;田宇;;量子退火算法研究进展[J];计算机研究与发展;2008年09期

4 张元良;杨巍巍;刘青;程鹏;;蚁群算法在路径规划中的应用[J];数字技术与应用;2013年05期

5 叶宁;分阶搜索法对雪尔维斯特问题的算法分析[J];现代计算机(专业版);2001年10期

6 林志毅;李元香;王玲玲;;基于混合迁移行为的自组织迁移算法[J];计算机科学;2008年12期

7 张晓明;王儒敬;宋良图;;一种新的进化算法——种子优化算法[J];模式识别与人工智能;2008年05期

8 蔡尯;李春生;;高维小采样数据集的贝叶斯网络结构学习算法[J];齐齐哈尔大学学报(自然科学版);2012年04期

9 谭浪;任庆生;;智能目标穿越传感区域的改进算法[J];计算机仿真;2007年08期

10 刘学东,,贾玉林,孔昊;相关算法中跟踪稳定性问题的研究[J];红外与激光工程;1998年01期

相关会议论文 前4条

1 刘远新;邓飞其;罗艳辉;舒添慧;;ERP柔性平台下物流运输配送系统算法分析[A];第二十六届中国控制会议论文集[C];2007年

2 谢樝;汪国皓;;WSN中一种基于分簇的多跳相对定位算法[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年

3 高炳岩;刘悦;;基于熵权的改进ISODATA聚类算法的研究[A];内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集[C];2007年

4 谢樝;邓林;任廷;洪艳;;一种基于LEACH的改进路由算法[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年

相关博士学位论文 前9条

1 张敏霞;生物地理学优化算法及其在应急交通规划中的应用研究[D];浙江工业大学;2015年

2 卜晨阳;演化约束优化及演化动态优化求解算法研究[D];中国科学技术大学;2017年

3 刘新旺;多核学习算法研究[D];国防科学技术大学;2013年

4 曾国强;改进的极值优化算法及其在组合优化问题中的应用研究[D];浙江大学;2011年

5 王维博;粒子群优化算法研究及其应用[D];西南交通大学;2012年

6 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年

7 盛歆漪;粒子群优化算法及其应用研究[D];江南大学;2015年

8 张宇山;进化算法的收敛性与时间复杂度分析的若干研究[D];华南理工大学;2013年

9 谢刚;免疫思维进化算法及其工程应用[D];太原理工大学;2006年

相关硕士学位论文 前10条

1 黄厦;基于改进蚁群算法的柔性作业车间调度问题研究[D];昆明理工大学;2015年

2 徐翔燕;人工鱼群优化算法及其应用研究[D];西南交通大学;2015年

3 安丰洋;基于无线网络的广播算法研究[D];曲阜师范大学;2015年

4 霍艳丽;面向路径规划的多策略和变异算子蚁群算法研究[D];南昌大学;2015年

5 白瑞;分布估计算法研究与应用[D];新疆大学;2015年

6 邵娜娜;蚁群算法求解最大团问题研究与应用[D];河北工业大学;2015年

7 王创业;基于进化算法的电力经济调度优化研究[D];华北电力大学;2015年

8 赵鸿楠;基于蜂群算法的云计算负载均衡问题研究[D];哈尔滨工业大学;2014年

9 杨鹏程;改进的人工蜂群算法在无线传感器部署问题上的应用与研究[D];南京大学;2015年

10 张影影;基于群智能优化技术的无线传感网分簇路由算法研究[D];南京邮电大学;2015年



本文编号:1405409

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1405409.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a11aa***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com