融合混沌反学习与蜂群搜索算子的引力搜索算法
引力搜索算法是最近提出的一种较有竞争力的群智能优化技术, 然而, 标准引力算法存在的收敛速度慢、容易在进化过程中陷入停滞状态. 针对上述问题, 提出一种改进的引力搜索算法. 该算法采用混沌反学习策略初始化种群, 以便获得遍历整个解空间的初始种群, 进而提高算法的收敛速度和解的精度. 此外, 该算法利用人工蜂群搜索策略很强的探索能力, 对种群进行引导以帮助算法快速跳出局部最优点. 通过对13个非线性基准函数进行仿真实验, 验证了改进的引力搜索算法的有效性和优越性.
引力搜索算法、人工蜂群算法、混沌反学习、数值实验、函数优化
27
TP181;TP301.6;O151
广东省高等学校优秀青年教师培养对象项目;清远市科技计划
2018-05-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
196-201