计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2014年
4期
161-164
,共4页
入侵杂草优化%人工蜂群%反向学习%初始化%函数优化
入侵雜草優化%人工蜂群%反嚮學習%初始化%函數優化
입침잡초우화%인공봉군%반향학습%초시화%함수우화
Invasive weed optimisation(IWO)%Artificial bee colony%Reverse learning%Initialisation%Function optimisation
针对入侵杂草优化算法收敛速度较慢、易陷入局部最优的缺点,提出了一种改进的入侵杂草优化算法。首先,采用反向学习初始化方法对种群进行初始化以提高其全局收敛速度;其次,利用改进蜂群算法中的全局引导搜索策略,对繁殖后的种子进行最优引导搜索以提高其跳出局部最优点的能力。最后,对不同维数的5个标准测试函数进行了仿真验证。试验结果表明:与 GABC及标准 IWO(Invasive Weed Optimization)算法相比较,该改进算法在函数优化方面具有较快的收敛速度和较强的跳出局部最优的能力。
針對入侵雜草優化算法收斂速度較慢、易陷入跼部最優的缺點,提齣瞭一種改進的入侵雜草優化算法。首先,採用反嚮學習初始化方法對種群進行初始化以提高其全跼收斂速度;其次,利用改進蜂群算法中的全跼引導搜索策略,對繁殖後的種子進行最優引導搜索以提高其跳齣跼部最優點的能力。最後,對不同維數的5箇標準測試函數進行瞭倣真驗證。試驗結果錶明:與 GABC及標準 IWO(Invasive Weed Optimization)算法相比較,該改進算法在函數優化方麵具有較快的收斂速度和較彊的跳齣跼部最優的能力。
침대입침잡초우화산법수렴속도교만、역함입국부최우적결점,제출료일충개진적입침잡초우화산법。수선,채용반향학습초시화방법대충군진행초시화이제고기전국수렴속도;기차,이용개진봉군산법중적전국인도수색책략,대번식후적충자진행최우인도수색이제고기도출국부최우점적능력。최후,대불동유수적5개표준측시함수진행료방진험증。시험결과표명:여 GABC급표준 IWO(Invasive Weed Optimization)산법상비교,해개진산법재함수우화방면구유교쾌적수렴속도화교강적도출국부최우적능력。
Aiming at the problems of invasive weed optimisation (IWO)algorithm which is slow in convergence rate and easy to fall into local optimum,we propose an improved IWO algorithm.First,we initialise the population with reverse learning initialisation method to improveits global convergence rate;Secondly,we use global guide search stagey of the improved bee colony algorithm to conduct optimal guide search of the bred seeds in order to enhance their capability of jumping out the local optima.Finally,we carry out simulation verificationson 5 benchmark functions with different dimensions.Test results show that the improved algorithm proposed has faster convergence rate and stronger capability in jumping out local optimum in the aspect of function optimisation than the GABC and standard IWO algorithm.