基于维度分区的果蝇优化新算法

发布时间：2017-06-14 11:03

  本文关键词：基于维度分区的果蝇优化新算法，由笔耕文化传播整理发布。

【摘要】：为提高果蝇算法的收敛稳定性,提出了一种基于维度分区的果蝇优化新算法。将果蝇种群均分为两组:跟随果蝇和搜索果蝇。跟随果蝇在全局最优果蝇附近实现精细化局部搜索,而搜索果蝇则将位置向量的每个维度搜索范围划分为若干个区间,通过比较各个区间的最优位置来更新果蝇位置。为加快算法收敛速度,若某搜索果蝇在连续若干次迭代过程中均表现最差,则在当前最优果蝇位置附近产生该果蝇的新位置。针对8种典型函数的仿真实验表明:与传统算法相比,所提算法所需参数较少,收敛稳定性高,并且在收敛精度及收敛速度等方面具有明显优势。
【作者单位】： 中央财经大学信息学院;吉林大学计算机科学与技术学院;
【关键词】： 果蝇算法 收敛稳定性 维度分区 全局最优果蝇 收敛精度
【基金】：国家自然科学基金项目(61272398)资助
【分类号】：TP18
【正文快照】： 到稿日期:2015-12-23返修日期:2016-04-27本文受国家自然科学基金项目(61272398)资助。1引言果蝇优化算法(Fruit fly Optimization Algorithm,FOA)是一种模拟果蝇觅食行为的新的全局优化进化算法[1,2]。与传统参数优化算法如粒子群优化(Particle Swarm Optimiza-tion,PSO)[3]

【相似文献】

中国期刊全文数据库 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

中国重要会议论文全文数据库 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

中国博士学位论文全文数据库 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

中国硕士学位论文全文数据库 前10条

1 张申利;基于蜂群算法的GIS优化选址及其并行化研究与应用[D];中国石油大学(华东);2014年

2 卢协平;联盟竞赛算法的研究与应用[D];福州大学;2014年

3 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

4 魏红凯;人工蜂群算法及其应用研究[D];北京工业大学;2012年

5 刘婷婷;基于反馈的多目标人工蜂群算法研究[D];东北大学;2013年

6 李云彬;多目标人工蜂群算法的研究与应用[D];东北大学;2012年

7 李长荣;面向非线性优化问题的学习算法的研究[D];华东师范大学;2015年

8 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

9 马彦追;萤火虫算法的改进及其应用研究[D];广西民族大学;2014年

10 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

  本文关键词：基于维度分区的果蝇优化新算法，，由笔耕文化传播整理发布。

本文编号：449254