计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
6期
235-238,249
,共5页
进化算法%蝉鸣方式%生存周期%渐近收敛性%Benchmark函数
進化算法%蟬鳴方式%生存週期%漸近收斂性%Benchmark函數
진화산법%선명방식%생존주기%점근수렴성%Benchmark함수
Evolutionary algorithm%Cicada sing mode%Survival period%Asymptotic convergence%Benchmark functions
借鉴秋蝉呜叫中表现出的某种同步化以及蝉的生活习性提出了一种新的仿生优化算法:蝉鸣优化(CSO),分析并指出了CSO除具有一般进化算法的特性外还具有两点独特的特性,并基于有限Markov链理论证明了CSO的渐近收敛性.利用CSO、PSO和DE对9个高维Benchmark函数的仿真计算比较表明:CSO是一种非常适于求解数值最优化问题的进化算法.
藉鑒鞦蟬嗚叫中錶現齣的某種同步化以及蟬的生活習性提齣瞭一種新的倣生優化算法:蟬鳴優化(CSO),分析併指齣瞭CSO除具有一般進化算法的特性外還具有兩點獨特的特性,併基于有限Markov鏈理論證明瞭CSO的漸近收斂性.利用CSO、PSO和DE對9箇高維Benchmark函數的倣真計算比較錶明:CSO是一種非常適于求解數值最優化問題的進化算法.
차감추선오규중표현출적모충동보화이급선적생활습성제출료일충신적방생우화산법:선명우화(CSO),분석병지출료CSO제구유일반진화산법적특성외환구유량점독특적특성,병기우유한Markov련이론증명료CSO적점근수렴성.이용CSO、PSO화DE대9개고유Benchmark함수적방진계산비교표명:CSO시일충비상괄우구해수치최우화문제적진화산법.
