带柯西变异的自学习改进烟花算法

摘要：

针对烟花算法收敛速度慢和求解精度不高,论文提出了一种改进烟花算法——带柯西变异的自学习改进烟花算法.改进算法用全局搜索能力更强的柯西变异算子替代高斯变异算子,增大变异范围;用全局最优烟花个体和历史柯西火花的位置来构造新的爆炸半径使其不仅能够继承和学习历史信息,还能够自适应地调整步长;并使用可同时兼顾烟花质量与分布的"精英-随机"选择策略.使用了10个典型基准测试函数和10个0-1背包问题进行仿真实验,结果表明,与蝙蝠算法、粒子群算法、带高斯扰动的粒子群算法、烟花算法、增强烟花算法、自适应烟花算法相比.该算法在收敛速度、计算精度以及稳定性方面性能更优.

关键词：烟花算法、柯西变异、函数优化、0-1背包问题

所属期刊栏目：41

分类号：TP301(计算技术、计算机技术)

资助基金：广西自然科学基金项目2015GXNSFAA139296

在线出版日期：2020-04-15（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：264-270