计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
10期
2886-2890
,共5页
王培崇%高文超%钱旭%苟海燕%汪慎文
王培崇%高文超%錢旭%茍海燕%汪慎文
왕배숭%고문초%전욱%구해연%왕신문
烟花爆炸优化%精英个体%反向学习%轮盘赌选择
煙花爆炸優化%精英箇體%反嚮學習%輪盤賭選擇
연화폭작우화%정영개체%반향학습%륜반도선택
Fireworks Explosion Optimization (FEO)%elite individual%Opposition-Based Learning (OBL)%roulette
针对烟花爆炸优化(FEO)算法容易早熟、解精度低的弱点,提出了一种精英反向学习(OBL)的解空间搜索策略.在每次迭代过程中均对当前最佳个体执行反向学习,生成其动态搜索边界内的反向搜索种群,引导算法向包含全局最优的解空间逼近,以提高算法的平衡和探索能力.为了保持种群的多样性,计算种群内个体对当前最佳个体的突跳概率,并依据此概率值采用轮盘赌机制选择进入子种群的个体.通过在5组标准测试函数的实验仿真并与相关的算法对比,结果表明所提出的改进算法对数值优化具有更高的收敛速度和收敛精度,适合求解高维的数值优化问题.
針對煙花爆炸優化(FEO)算法容易早熟、解精度低的弱點,提齣瞭一種精英反嚮學習(OBL)的解空間搜索策略.在每次迭代過程中均對噹前最佳箇體執行反嚮學習,生成其動態搜索邊界內的反嚮搜索種群,引導算法嚮包含全跼最優的解空間逼近,以提高算法的平衡和探索能力.為瞭保持種群的多樣性,計算種群內箇體對噹前最佳箇體的突跳概率,併依據此概率值採用輪盤賭機製選擇進入子種群的箇體.通過在5組標準測試函數的實驗倣真併與相關的算法對比,結果錶明所提齣的改進算法對數值優化具有更高的收斂速度和收斂精度,適閤求解高維的數值優化問題.
침대연화폭작우화(FEO)산법용역조숙、해정도저적약점,제출료일충정영반향학습(OBL)적해공간수색책략.재매차질대과정중균대당전최가개체집행반향학습,생성기동태수색변계내적반향수색충군,인도산법향포함전국최우적해공간핍근,이제고산법적평형화탐색능력.위료보지충군적다양성,계산충군내개체대당전최가개체적돌도개솔,병의거차개솔치채용륜반도궤제선택진입자충군적개체.통과재5조표준측시함수적실험방진병여상관적산법대비,결과표명소제출적개진산법대수치우화구유경고적수렴속도화수렴정도,괄합구해고유적수치우화문제.
