目标空间聚类的差分头脑风暴优化算法
作为一种新型的群体智能优化算法,头脑风暴优化(brain storm optimization,BSO)算法一经提出便引起了众多研究者的关注.本文在对原始头脑风暴算法的聚类操作和变异操作改进的基础上,提出了基于目标空间聚类的差分头脑风暴(difference brain storm optimization based on clustering in objective space,DBSO-OS)算法.算法通过对目标空间的聚类替代对决策空间的聚类,减小了算法的运算复杂度;采用差分变异代替高斯变异来增加种群的多样性.多个测试函数的仿真结果表明,目标空间聚类的差分头脑风暴算法不仅提高了算法的寻优速度,而且提高了算法的寻优精度.文中进一步分析了参数对算法性能的影响,设计了最佳参数选择方案,并用于对实际热电联供经济调度问题的求解,验证了算法的实用性.
头脑风暴算法、聚类、差分变异、目标空间
34
TP18(自动化基础理论)
国家自然科学基金青年基金项目61503299,61502385资助.Supported by National Youth Foundation of China61503299,61502385
2018-03-15(万方平台首次上网日期,不代表论文的发表时间)
共11页
1583-1593