基于旋转学习策略的共生生物搜索算法

发布时间：2018-01-24 03:37

  本文关键词： 共生生物搜索算法 旋转学习 函数优化　出处：《计算机应用研究》2017年09期 　论文类型：期刊论文

【摘要】：为提高共生生物搜索算法(symbiotic organisms search,SOS)的性能,提出一种基于旋转学习策略的共生生物搜索算法(symbiotic organisms search using rotation-based learning,RSOS)。该算法将串行个体更新方式改为并行种群更新方式,提高算法收敛速度;引入遍历保优的旋转学习策略,代替寄生机制的盲目随机搜索,增大保留新个体的概率,补充种群多样性,提高算法跳出局部最优的能力。对于八个标准测试函数仿真表明,RSOS算法较基本SOS算法在收敛速度、收敛精度及稳定性上得到了明显提升。
[Abstract]:To improve the performance of symbiotic organisms search algorithm. A symbiotic biological search algorithm based on rotating learning strategy is proposed. Symbiotic organisms search using rotation-based learning. The algorithm changes the serial individual updating method to the parallel population updating method, and improves the convergence speed of the algorithm. A rotative learning strategy is introduced to replace the blind random search of parasitic mechanism to increase the probability of retaining new individuals and to supplement the diversity of the population. The simulation of eight standard test functions shows that the convergence speed, convergence precision and stability of the RSOS algorithm are obviously improved compared with the basic SOS algorithm.
【作者单位】： 东北电力大学信息工程学院;
【基金】：国家自然科学基金资助项目(61501107) 吉林省教育厅“十三五”科学技术研究项目(吉教科合字[2016]第95号)
【分类号】：TP18
【正文快照】： 0引言2014年,Cheng等人[1]通过模仿自然界中不同生物之间的交互作用,提出一种新型群智能优化算法——共生生物搜索算法(symbiotic organisms search,SOS)。实验研究表明,与目前较为优秀的进化算法——遗传算法(genetic algorithm,GA)[2,3]、粒子群算法(particle swarm optimiz，

本文编号：1459068