鸡群算法的收敛性分析

发布时间：2018-06-09 06:42

  本文选题：鸡群算法 + Markov链　； 参考：《中南大学学报(自然科学版)》2017年08期

【摘要】：针对鸡群算法建立Markov链数学分析模型,分析此Markov链的一些性质,证明鸡群状态序列是有限齐次Markov链。结合随机算法收敛准则,证明鸡群算法能够满足随机算法全局收敛的2个准则,保证算法全局收敛。将算法应用于15个标准测试函数寻优问题,并同标准粒子群算法、蝙蝠算法进行比较。实验结果表明:该算法具有较好的全局收敛性和计算鲁棒性,尤其适合高维、多峰的复杂函数求解。
[Abstract]:A mathematical analysis model of Markov chain is established for chicken swarm algorithm. Some properties of the Markov chain are analyzed and it is proved that the state sequence of chicken herd is a finite homogeneous Markov chain. Combining with the convergence criterion of stochastic algorithm, it is proved that the chicken swarm algorithm can satisfy the two criteria of global convergence of stochastic algorithm and ensure the global convergence of the algorithm. The algorithm is applied to 15 standard test function optimization problems and compared with standard particle swarm optimization algorithm and bat algorithm. The experimental results show that the proposed algorithm has good global convergence and computational robustness, and is especially suitable for solving complex functions with high dimension and multiple peaks.
【作者单位】： 江南大学轻工过程先进控制教育部重点实验室;
【基金】：国家自然科学基金资助项目(61572237,61573167) 江苏省“六大人才高峰”项目(WLW-008)~~
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 任庆生,叶中行,曾进;进化算法的收敛速度[J];上海交通大学学报;1999年06期

2 齐洁;汪定伟;;极值优化算法综述[J];控制与决策;2007年10期

3 孙骞;张进;王宇翔;;蚁群算法优化策略综述[J];信息安全与技术;2014年02期

4 胡娟,王常青,韩伟,全智;蚁群算法及其实现方法研究[J];计算机仿真;2004年07期

5 李金汉;杜德生;;一种改进蚁群算法的仿真研究[J];自动化技术与应用;2008年02期

6 李修琳;鲁建厦;柴国钟;汤洪涛;;混合蜂群算法求解柔性作业车间调度问题[J];计算机集成制造系统;2011年07期

7 秦全德;程适;李丽;史玉回;;人工蜂群算法研究综述[J];智能系统学报;2014年02期

8 李豆豆;邵世煌;齐金鹏;;生存迁移算法[J];系统仿真学报;2008年08期

9 曹炬;贾红;李婷婷;;烟花爆炸优化算法[J];计算机工程与科学;2011年01期

10 刘晓勇;付辉;;一种快速AP聚类算法[J];山东大学学报(工学版);2011年04期

相关会议论文 前2条

1 朱双东;艾智斌;阎夏;;BP网络学习算法的改进方案探析[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

2 唐乾玉;陈翰馥;韩曾晋;;串行生产线的参数优化[A];1994年中国控制会议论文集[C];1994年

相关博士学位论文 前2条

1 王可心;大规模过程系统非线性优化的简约空间理论与算法研究[D];浙江大学;2008年

2 傅启明;强化学习中离策略算法的分析及研究[D];苏州大学;2014年

相关硕士学位论文 前10条

1 马英钧;基于人工蜂群算法的约束优化问题研究[D];华中师范大学;2015年

2 孙方亮;基于粒子群与中心引力的一种新混合算法及应用[D];西安电子科技大学;2014年

3 张德祥;基于改进蚁群算法的机器人三维路径规划研究[D];青岛科技大学;2015年

4 卢协平;联盟竞赛算法的研究与应用[D];福州大学;2014年

5 代水芹;基于种群分解的进化超多目标算法及其应用[D];广东工业大学;2016年

6 李倩;支持张量机的切平面算法研究[D];华南理工大学;2016年

7 姚洪曼;基于改进人工蜂群算法的模糊聚类研究[D];广西大学;2016年

8 丁亚英;基于局部搜索和二进制的改进人工蜂群算法[D];南京师范大学;2016年

9 杨杰;基于粒子群优化算法的不确定聚类技术研究[D];北方民族大学;2016年

10 周雨鹏;基于鸽群算法的函数优化问题求解[D];东北师范大学;2016年

，

本文编号：1999415