耦合横纵向个体更新策略的改进MVO算法

摘要：

为提高多元宇宙优化算法(MVO)的全局探索和局部开采性能,提出一种耦合横纵向个体更新策略的改进MVO算法(IMVO).横向更新策略是建立在宇宙种群层级的一种水平迁移进化机制,通过引入加权学习因子保证子代个体同时向多个父代宇宙继承位置信息,以改善种群的个体多样性和算法全局探索性能,适定性修正虫洞存在概率表达以保证种群个体间的充分信息交互;纵向更新策略是基于宇宙个体层级的一种纵向自我学习进化机制,根据最优宇宙历史信息,通过模拟认知的历史遗忘记忆特性实现记忆均值邻域的再开采,以增强算法局部开采性能.最后通过数值实验验证不同加权学习因子函数对算法性能的差异性影响,改进算法的优化性能和算法稳健性等.

关键词：多元宇宙优化算法、元启发式优化算法、横纵向个体更新策略、历史遗忘记忆特性、基准测试函数

所属期刊栏目：33

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51704140;辽宁省教育厅基金项目L2015208, LJYL043;教育部高等学校博士学科点专项科研基金联合项目20132121110009

在线出版日期：2018-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1422-1428