蝙蝠算法的研究进展

发布时间：2017-10-07 20:39

  本文关键词：蝙蝠算法的研究进展

  更多相关文章： 蝙蝠算法 回声定位 脉冲 改进

【摘要】：蝙蝠算法(BA)是通过用搜索空间中的点模拟自然界中的蝙蝠个体,将搜索和优化过程模拟成蝙蝠个体搜索猎物和移动过程,将求解问题的目标函数度量成个体所处位置的优劣,在搜索和优化过程中用好的可行解取代较差的可行解的迭代过程的一种优化算法。蝙蝠算法因具有较强的鲁棒性、高效性和应用性,已成功地应用于函数优化、工程设计、分类等多个方面。本文首先给出了蝙蝠算法的原理及模型,然后列出了蝙蝠算法近几年来的改进研究,最后展望了蝙蝠算法的发展方向。
【作者单位】： 内蒙古民族大学计算机科学与技术学院;
【关键词】： 蝙蝠算法 回声定位 脉冲 改进
【基金】：内蒙古民族大学科学研究基金资助项目(项目编号:NMDYB15079)
【分类号】：TP18
【正文快照】： 1引言蝙蝠算法(Bat Algorithm,BA)是2012年杨教授提出的一种群智能优化算法[1]。该算法具有实现简单、参数少等特点,已经成为近几年启发式算法的研究热点。蝙蝠算法也像其他群智能优化算法一样是一种基于迭代的优化算法。算法初始化时随机生成一组随机解,再通过反复的迭代过程

【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

，

本文编号：989960