双曲正切高斯与两阶段反向学习平衡优化算法

摘要：

针对平衡优化算法易陷入局部最优以及收敛速度慢等缺点,提出双曲正切高斯与两阶段反向学习平衡优化算法.首先,将双曲正切函数与黄金分割系数融入高斯分布动态调整算法的全局搜索能力,提高算法寻优精度;其次,为了缓解迭代中种群多样性减少,对种群个体执行遗传算法中交叉和变异操作,使种群最大程度上避免多样性减少;然后,通过两阶段反向学习,种群个体能够通过一般反向学习或随机反向学习增强算法逃离局部最优的能力和加快算法收敛的速度;最后,使用12个基准测试函数、CEC2014函数集、Wilcoxon秩和检验及Friedman秩检验测试改进算法的综合性能,并与其他改进群智能算法进行对比,实验结果表明改进算法优势明显.

关键词：平衡优化算法、双曲正切函数、高斯分布、交叉、变异、两阶段反向学习

所属期刊栏目：44

分类号：TP301(计算技术、计算机技术)

资助基金：贵州省科技计划重大专项项目;贵州省公共大数据重点实验室开放课题项目;贵州大学培育项目;贵州省科学技术厅黔科合基础一般资助

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：690-698