具有强开发能力的风驱动优化算法

发布时间：2018-10-13 08:07

【摘要】：风驱动优化算法是一种新兴的基于群体的迭代启发式全局优化算法。针对风驱动优化算法易陷入局部最优值的问题,实现了5种带有不同变异策略的风驱动优化算法,这些变异策略分别是小波变异策略、混沌变异策略、非均匀变异策略、高斯变异策略以及柯西变异策略。应用不同变异策略的风驱动优化算法对不同维度的经典测试函数进行了仿真实验,并与粒子群优化算法进行了比较。实验结果表明,小波变异风驱动优化算法具有较强的开发能力,可有效跳出局部最优,其寻优速率、收敛精度及算法稳定性均优于粒子群优化算法、风驱动优化算法和其他改进算法。
[Abstract]:Wind-driven optimization algorithm is a new group-based iterative heuristic global optimization algorithm. Aiming at the problem that wind-driven optimization algorithm is prone to fall into local optimal value, five wind-driven optimization algorithms with different mutation strategies are implemented. These mutation strategies are wavelet mutation strategy, chaotic mutation strategy and non-uniform mutation strategy. Gao Si mutation strategy and Cauchy mutation strategy. The wind driven optimization algorithm with different mutation strategies is used to simulate the classical test functions in different dimensions, and the results are compared with those of the particle swarm optimization (PSO) algorithm. The experimental results show that the wind-driven optimization algorithm based on wavelet mutation has strong development ability and can jump out of the local optimum effectively. The optimization rate, convergence precision and stability of the algorithm are better than those of particle swarm optimization algorithm. Wind-driven optimization algorithm and other improved algorithms.
【作者单位】： 江苏科技大学电子信息学院;
【基金】：国家自然科学基金项目(61401179)资助
【分类号】：TP18

【参考文献】

相关期刊论文 前1条

1 朱红求;阳春华;桂卫华;李勇刚;;一种带混沌变异的粒子群优化算法[J];计算机科学;2010年03期

【共引文献】

相关期刊论文 前10条

1 赵新秋;王艳胜;郑剑;杨景明;车海军;;基于改进混洗蛙跳算法的冷连轧轧制规程优化[J];钢铁;2012年05期

2 曹炬;侯学卿;;爆炸搜索算法及其收敛性证明[J];计算机科学;2011年11期

3 葛宇;王学平;梁静;;自适应混沌变异蛙跳算法[J];计算机应用研究;2011年03期

4 陈世明;江冀海;吴龙龙;杨辉;方华京;;受限空间自适应区域栅格化的优化路径规划[J];控制与决策;2012年07期

5 金成均;常桂然;程维;姜慧研;;基于IPSO的模糊神经网络优化及交通流量预测[J];计算机科学;2012年10期

6 黄为勇;邵晓根;陈奎;;一种采用CCPSO-SVM的煤与瓦斯突出预测方法[J];计算机科学;2012年11期

7 阚超豪;;多向学习自适应的粒子群算法[J];计算机工程与应用;2013年06期

8 黄为勇;高玉芹;张艳华;;一种采用改进CPSO算法的PID参数整定方法[J];计算机科学;2014年11期

9 肖英;袁波;朱兵;彭蕾;刘欢;;一种基于混沌粒子群的泥沙颗粒图像优化算法[J];井冈山大学学报(自然科学版);2015年01期

10 雷啸鹏;江岳文;温步瀛;陈浩珲;;一种用于AGC机组调配的混沌多Agent双重粒子群算法[J];电网与清洁能源;2013年06期

相关会议论文 前2条

1 ;The Research of Camera Distortion Correction Basing on Neural Network[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

2 Zhonghai Li;Xiaozhen Fan;Haofei Mao;Jianguo Cui;;Simulation and fault diagnosis for BLDCM[A];第25届中国控制与决策会议论文集[C];2013年

相关博士学位论文 前1条

1 张建华;天线阵方向图综合的智能优化算法研究[D];哈尔滨工程大学;2012年

相关硕士学位论文 前9条

1 王艳胜;基于改进混洗蛙跳算法的冷连轧轧制规程优化设计[D];燕山大学;2012年

2 毛浩菲;航空发动机起动电机仿真与故障诊断研究[D];沈阳航空航天大学;2012年

3 周虹;基于自适应粒子群的k-中心聚类算法研究[D];长沙理工大学;2012年

4 孙静;基于混沌理论的正交小波变换盲均衡算法[D];安徽理工大学;2012年

5 江冀海;基于PSO算法的复杂网络抗毁性优化及应用研究[D];华东交通大学;2012年

6 王银斌;无人机红外图像与可见光图像融合算法研究[D];辽宁大学;2012年

7 秦庆兵;基于神经网络的摄像机畸变校正研究[D];东北大学;2010年

8 任娇;基于无速度传感器的直接转矩控制策略研究[D];东北石油大学;2013年

9 白鑫;自适应CPSO算法研究及其在图像分割中的应用[D];东北大学;2012年

【二级参考文献】

相关期刊论文 前1条

1 ;A new optimization algorithm based on chaos[J];Journal of Zhejiang University Science A(Science in Engineering);2006年04期

【相似文献】

相关期刊论文 前10条

1 张化祥;陆晶;;基于Q学习的适应性进化规划算法[J];自动化学报;2008年07期

2 付国江,王少梅,李宁;一种新的PSO变异策略[J];武汉理工大学学报(信息与管理工程版);2005年02期

3 蒋绍先;孔韬;魏瑞轩;;粒子群算法的最小值边界变异策略[J];电光与控制;2007年06期

4 乔俊飞;傅嗣鹏;韩红桂;;基于混合变异策略的改进差分进化算法及函数优化[J];控制工程;2013年05期

5 陈基漓;;基于高斯变异的生物地理学优化模型[J];计算机仿真;2013年07期

6 刘三阳;张晓伟;;混合差分变异策略[J];智能系统学报;2008年06期

7 汪文彬;李应勇;;一种改进的多目标变异算子[J];安徽广播电视大学学报;2008年02期

8 刘志军;唐柳;刘克铜;吴冬方;;差分演化算法中变异策略的改进与算法的优化[J];化工自动化及仪表;2010年09期

9 汤小为;汤俊;万爽;唐波;;改进变异策略的自适应差分进化算法及其应用[J];宇航学报;2013年07期

10 李良敏;改进二进制编码变异策略研究[J];系统仿真学报;2005年05期

，

本文编号：2267881