带记忆功能的混合蛙跳算法
针对基本混合蛙跳算法收敛速度慢、优化精度低的问题、提出了带记忆功能的混合蛙跳算法.引入自适应学习因子,使算法在迭代初期加速收敛并不断拓展新的搜索区域,在迭代后期能够在全局最优邻域进行精细搜索,从而保持了开发与探索的平衡,并提高了收敛精度;采用随机分组策略平衡各子群的寻优能力,维持了种群的多样性.对6个测试函数进行了优化实验,并与基本混合蛙跳算法和相关文献中的改进算法进行比较,结果表明了该算法具有更好的优化性能.
混合蛙跳算法、学习因子、记忆、随机分组、优化性能
32
TP181(自动化基础理论)
国家自然科学基金项目61063028;甘肃省自然科学基金项目096RJZA004;甘肃省教育厅科研基金项目0902-04;甘肃省科技支撑计划基金项目1011NKCA058
2012-01-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
3170-3173,3202