求解高维优化问题的新型平衡优化器算法

摘要：

针对标准平衡优化器求解高维优化问题时出现的进化停滞现象,本文首先通过对标准平衡优化器中学习参数的函数特征分析,给出了可能导致进化停滞的原因.接着在分析结论基础上提出一种改进的平衡优化器算法.新算法中设计了 自适应的生存概率来增强群体在进化后期探索的机会;为了避免平衡池中候选解同质化,对候选解以概率实施自我学习策略,不仅可以提高群体的收敛速度,而且有效防止群体早期收敛;同时还设计了混合反向学习策略,群体中部分个体按混合反向学习策略实施更新,以增强群体的全局搜索能力,帮助种群逃离局部最优.将提出的算法与新型群智能算法在200维和500维数据条件下进行对比实验,实验结果表明改进的平衡优化算法可以避免陷入进化停滞,展现了良好的全局优化能力.

关键词：平衡优化器、高维优化、进化停滞、反向学习、全局优化

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：安徽高校自然科学研究项目;安徽省自然科学基金

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：969-973