基于自适应多普勒及动态邻域的改进BA算法

摘要：

蝙蝠算法(Bat Algorithm,BA)是一类新型元启发式算法,针对其在算法后期寻优精度降低、易陷入局部极值的不足,提出一种具有自适应多普勒策略及动态邻域策略的改进算法.根据蝙蝠个体在捕食过程中与猎物间存在的相对运动现象,引入自适应多普勒策略改进频率参数,增强算法全局探索的寻优能力.将动态邻域策略与BA算法有机结合,增加蝙蝠个体寻优结构的多样性,改善算法易陷入局部最优的不足.从理论上分析了改进后算法的收敛性和运算复杂性.在数值实验部分对改进后的算法进行了性能及应用测试:对10个经典标准测试函数在不同维度下进行对比实验,将其应用于求解螺旋压缩弹簧优化设计问题,并与其他算法进行了对比分析.实验结果证明了具有自适应多普勒策略及动态邻域策略的改进算法具有更优的收敛速度、收敛精度以及稳定鲁棒性.

关键词：群智能优化算法;蝙蝠算法(BA);自适应策略;动态邻域

所属期刊栏目：57

分类号：TP18(自动化基础理论)

资助基金：陕西省教育厅一般专项科研计划项目;陕西省教育厅科学研究计划项目;陕西省自然科学基础研究计划项目

在线出版日期：2021-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：166-176