基于反向学习的自组织迁移算法

摘要：

为了解决自组织迁移算法存在的早期收敛问题,提出了基于反向学习的自组织迁移算法(Opposition-based Self-organizing Migrating Algorithm,OSOMA).该算法利用反向学习机制扩展了个体的搜索方向,获得了更优秀的采样个体,使得算法在保持多样性的同时提高了收敛速度.此外,该算法还对步长进行自适应调整,进一步平衡了算法的勘探和开采能力.通过典型函数的测试证实了OSOMA的有效性.

关键词：自组织迁移算法、反向学习、OSOMA

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目60773009;广东工业大学校博士基金093058

在线出版日期：2012-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：217-218,233