计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
8期
2253-2256,2260
,共5页
彭硕%欧阳艾嘉%乐光学%贺明华%周旭
彭碩%歐暘艾嘉%樂光學%賀明華%週旭
팽석%구양애가%악광학%하명화%주욱
全局优化%萤火虫群优化算法%变异算子%觅食行为%高维函数
全跼優化%螢火蟲群優化算法%變異算子%覓食行為%高維函數
전국우화%형화충군우화산법%변이산자%멱식행위%고유함수
global optimization%Glowworm Swarm Optimization(GSO) algorithm%mutation operator%foraging behavior%high-dimensional function
针对萤火虫群优化(GSO)算法求解高维函数时存在求解精度不高、收敛速度慢等缺点,提出了一种带变异算子和集群觅食行为算子的改进萤火虫群优化算法.该算法使用变异算子来指导离群萤火虫的进化方向,从而提高了离群个体的利用率,改善了算法的整体效率.集群觅食行为算子的加入能使算法对捕捉到的全局最优域进行更进一步的求精,极大地提高了算法的计算精度和收敛速度；同时,该算子有效地防止了算法陷入局部最优值的危险,扩大了算法在后期的全局搜索范围.通过8个典型的基准函数测试,结果表明:改进后萤火虫群优化算法具有更强的全局优化能力和更高的成功率.
針對螢火蟲群優化(GSO)算法求解高維函數時存在求解精度不高、收斂速度慢等缺點,提齣瞭一種帶變異算子和集群覓食行為算子的改進螢火蟲群優化算法.該算法使用變異算子來指導離群螢火蟲的進化方嚮,從而提高瞭離群箇體的利用率,改善瞭算法的整體效率.集群覓食行為算子的加入能使算法對捕捉到的全跼最優域進行更進一步的求精,極大地提高瞭算法的計算精度和收斂速度；同時,該算子有效地防止瞭算法陷入跼部最優值的危險,擴大瞭算法在後期的全跼搜索範圍.通過8箇典型的基準函數測試,結果錶明:改進後螢火蟲群優化算法具有更彊的全跼優化能力和更高的成功率.
침대형화충군우화(GSO)산법구해고유함수시존재구해정도불고、수렴속도만등결점,제출료일충대변이산자화집군멱식행위산자적개진형화충군우화산법.해산법사용변이산자래지도리군형화충적진화방향,종이제고료리군개체적이용솔,개선료산법적정체효솔.집군멱식행위산자적가입능사산법대포착도적전국최우역진행경진일보적구정,겁대지제고료산법적계산정도화수렴속도；동시,해산자유효지방지료산법함입국부최우치적위험,확대료산법재후기적전국수색범위.통과8개전형적기준함수측시,결과표명:개진후형화충군우화산법구유경강적전국우화능력화경고적성공솔.
