计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
11期
3102-3106
,共5页
群智能算法%群搜索算法%预选择机制%倒序变异%自适应方法
群智能算法%群搜索算法%預選擇機製%倒序變異%自適應方法
군지능산법%군수색산법%예선택궤제%도서변이%자괄응방법
swarm intelligence algorithm%Group Search Optimizer (GSO)%pre-selection mechanism%reverse mutation%self-adaptive method
为克服群搜索(GSO)算法早熟的缺点,提高算法收敛速度,提出一种基于发现者预选择机制的自适应群搜索(PSAGSO)算法.首先,依据发现者-追随者模型,采用预选择机制,用倒序变异算子产生新发现者,来引导追随者寻优的方向,有效地维持了群体中个体的多样性；其次,提出一种基于线性递减的动态自适应方法来调整游荡者的分布比例,以提高种群中个体的活力,有利于算法跳出局部最优.通过对12个基准函数进行测试.对于30维函数优化,PSAGSO算法的测试数据优于He等(HE S,WU QH,SAUNDERS J R.Group search optimizer:an optimization algorithm inspired by animal searching behavior.IEEE Transactions on Evolutionary Computation,2009,13(5):973-990)提供的数据；对于300维函数优化问题,PSAGSO算法的性能更佳.实验结果表明,PSAGSO克服了群搜索优化算法的不足,在一定程度上提高了算法的收敛速度和收敛精度.
為剋服群搜索(GSO)算法早熟的缺點,提高算法收斂速度,提齣一種基于髮現者預選擇機製的自適應群搜索(PSAGSO)算法.首先,依據髮現者-追隨者模型,採用預選擇機製,用倒序變異算子產生新髮現者,來引導追隨者尋優的方嚮,有效地維持瞭群體中箇體的多樣性；其次,提齣一種基于線性遞減的動態自適應方法來調整遊盪者的分佈比例,以提高種群中箇體的活力,有利于算法跳齣跼部最優.通過對12箇基準函數進行測試.對于30維函數優化,PSAGSO算法的測試數據優于He等(HE S,WU QH,SAUNDERS J R.Group search optimizer:an optimization algorithm inspired by animal searching behavior.IEEE Transactions on Evolutionary Computation,2009,13(5):973-990)提供的數據；對于300維函數優化問題,PSAGSO算法的性能更佳.實驗結果錶明,PSAGSO剋服瞭群搜索優化算法的不足,在一定程度上提高瞭算法的收斂速度和收斂精度.
위극복군수색(GSO)산법조숙적결점,제고산법수렴속도,제출일충기우발현자예선택궤제적자괄응군수색(PSAGSO)산법.수선,의거발현자-추수자모형,채용예선택궤제,용도서변이산자산생신발현자,래인도추수자심우적방향,유효지유지료군체중개체적다양성；기차,제출일충기우선성체감적동태자괄응방법래조정유탕자적분포비례,이제고충군중개체적활력,유리우산법도출국부최우.통과대12개기준함수진행측시.대우30유함수우화,PSAGSO산법적측시수거우우He등(HE S,WU QH,SAUNDERS J R.Group search optimizer:an optimization algorithm inspired by animal searching behavior.IEEE Transactions on Evolutionary Computation,2009,13(5):973-990)제공적수거；대우300유함수우화문제,PSAGSO산법적성능경가.실험결과표명,PSAGSO극복료군수색우화산법적불족,재일정정도상제고료산법적수렴속도화수렴정도.
