10.3969/j.issn.1006-9348.2018.07.046
融合滤子技术的拟态物理学算法及其应用
针对复杂约束优化问题,提出一种滤子拟态物理学优化算法(FMAPO).算法引入滤子技术,将个体适应度值和约束违反度构成滤子对,并共同作为个体评价指标代替罚函数,操作简便.反向学习理论、均匀分布机制和混沌变异操作的引入,保证了算法的全局搜索能力.采用几个标准约束优化测试函数进行性能测试,并将FMAPO算法用于带约束条件的起重机箱型主梁优化.通过几种典型算法进行函数测试仿真及工程优化问题的求解对比,仿真结果表明融合滤子技术的拟态物理学算法能有效求解约束问题且精度更高.
滤子技术、约束优化问题、滤子拟态物理学优化算法、反向学习、混沌变异
35
TP18(自动化基础理论)
2018-09-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
217-220,230