计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
6期
101-106
,共6页
优化方法%细菌觅食优化算法%高斯变异%高维函数优化%动态调整
優化方法%細菌覓食優化算法%高斯變異%高維函數優化%動態調整
우화방법%세균멱식우화산법%고사변이%고유함수우화%동태조정
Optimization method%Bacterial foraging optimization(BFO)%Gaussian mutation%High dimensional function optimization%Dynamical adjusting
针对细菌觅食优化(Bacterial Foraging Optimization,BFO)算法在高维函数优化上性能较差和普适性不强的问题,提出一种动态高斯变异和随机变异融合的自适应细菌觅食优化算法.首先,将原随机迁徙方案修改为动态高斯变异与随机变异融合的迁徙方法,即搜索前期利用随机迁徙有利于增加解的多样性,获得全局最优解,搜索后期改用动态的高斯变异来提高算法的收敛速度;然后,对趋化操作中的步长参数使用动态调整和自适应调整来增强算法的普适性;最后,构建全局极值感应机制使优化更有效,从而获得了一种高性能的自适应BFO算法,以便能够高效解决高维函数的优化问题.14个高维函数优化的仿真结果表明,提出的算法不仅优化效果好、普适性强,而且能以更快的速度找到全局最优解,性能优于SBFO、POLBBO、BFAVP和RABC算法.
針對細菌覓食優化(Bacterial Foraging Optimization,BFO)算法在高維函數優化上性能較差和普適性不彊的問題,提齣一種動態高斯變異和隨機變異融閤的自適應細菌覓食優化算法.首先,將原隨機遷徙方案脩改為動態高斯變異與隨機變異融閤的遷徙方法,即搜索前期利用隨機遷徙有利于增加解的多樣性,穫得全跼最優解,搜索後期改用動態的高斯變異來提高算法的收斂速度;然後,對趨化操作中的步長參數使用動態調整和自適應調整來增彊算法的普適性;最後,構建全跼極值感應機製使優化更有效,從而穫得瞭一種高性能的自適應BFO算法,以便能夠高效解決高維函數的優化問題.14箇高維函數優化的倣真結果錶明,提齣的算法不僅優化效果好、普適性彊,而且能以更快的速度找到全跼最優解,性能優于SBFO、POLBBO、BFAVP和RABC算法.
침대세균멱식우화(Bacterial Foraging Optimization,BFO)산법재고유함수우화상성능교차화보괄성불강적문제,제출일충동태고사변이화수궤변이융합적자괄응세균멱식우화산법.수선,장원수궤천사방안수개위동태고사변이여수궤변이융합적천사방법,즉수색전기이용수궤천사유리우증가해적다양성,획득전국최우해,수색후기개용동태적고사변이래제고산법적수렴속도;연후,대추화조작중적보장삼수사용동태조정화자괄응조정래증강산법적보괄성;최후,구건전국겁치감응궤제사우화경유효,종이획득료일충고성능적자괄응BFO산법,이편능구고효해결고유함수적우화문제.14개고유함수우화적방진결과표명,제출적산법불부우화효과호、보괄성강,이차능이경쾌적속도조도전국최우해,성능우우SBFO、POLBBO、BFAVP화RABC산법.
