改进多元宇宙算法求解大规模实值优化问题

摘要：

针对多元宇宙优化(MVO)算法中虫洞存在机制、白洞选择机制等不足,该文提出一种改进多元宇宙优化算法(IMVO).设计固定概率的虫洞存在机制和前期快速收敛后期平缓收敛的虫洞旅行距离率,加快算法全局探索能力和快速迭代能力;提出黑洞的随机白洞选择机制,设计黑洞围绕白洞恒星进行公转并模型化,解决代间宇宙信息沟通的问题,中低维度数值比较实验验证了改进算法的优良性能.选取大规模实值问题较难优化的3个基准测试函数进行对比实验,改进算法在大规模优化问题上的求解精度和成功率方面具有较好的适用性和鲁棒性.

关键词：大规模优化问题、多元宇宙优化、元启发式优化、非线性收敛因子

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金71471065, 71571072, 71771091;广州社科联基金2018GZGJ02

在线出版日期：2019-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1666-1673