自适应分组差分变异狼群优化算法

发布时间：2018-07-20 12:56

【摘要】：针对狼群优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在知识表达时具有不确定中带有确定性的特性,提出一种自适应分组差分变异狼群优化算法.其思想是采用佳点集理论对狼群进行初始化,通过云模型理论来完成个体游猎行为,在围攻行为中考虑狼个体的自身能量,最后利用差分进化算法和混沌理论完成个体变异,并进行探索全局最优位置.典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优.
[Abstract]:In view of the shortcomings of low precision and easy to fall into local convergence region of the wolf swarm optimization algorithm, an adaptive grouping differential mutation wolf colony optimization algorithm is proposed, which combines the uncertainty of cloud model in knowledge representation. The idea is to initialize the wolves by using the theory of good point set, to complete the individual hunting behavior by cloud model theory, to consider the energy of the individual in the besieging behavior, and finally to use differential evolution algorithm and chaos theory to complete the individual mutation. And to explore the global optimal location. The test results of typical complex functions show that the algorithm can find the global optimal solution effectively and is especially suitable for multi-peak function optimization.
【作者单位】： 东北石油大学计算机与信息技术学院;
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 齐洁;汪定伟;;极值优化算法综述[J];控制与决策;2007年10期

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 王圣尧;王凌;方晨;许烨;;分布估计算法研究进展[J];控制与决策;2012年07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：2133587