果蝇优化算法(FOA)步长改进及其多元函数最优化方法

被引:24
作者
马超
董玲
机构
[1] 华北电力大学数理系
关键词
果蝇优化算法(FOA); 变步长; Schaffer函数; 遗传算法;
D O I
暂无
中图分类号
TP18 [人工智能理论]; O224 [最优化的数学理论];
学科分类号
070105 [运筹学与控制论]; 140502 [人工智能];
摘要
果蝇优化算法(FOA)模拟果蝇群体利用嗅觉和视觉寻找食物的方法来寻找最优值.本文根据算法的特点分析了影响收敛速度的因素,通过变步长方式得到改进的FOA.另外还提出了多元函数最优问题的FOA方法.在对Schaffer函数的全局最优过程中,经过变步长的FOA收敛速度大大提高(与理论最优值的误差以指数速度下降),在计算速度和收敛精度方面都远远优于遗传算法.
引用
收藏
页码:90 / 92
页数:3
相关论文
共 4 条
[1]
应用果蝇优化算法优化广义回归神经网络进行企业经营绩效评估 [J].
潘文超 .
太原理工大学学报(社会科学版), 2011, (04) :1-5
[2]
多峰函数优化的混合遗传算法 [J].
张琳 ;
郑忠 ;
高小强 .
重庆大学学报(自然科学版), 2005, (07) :51-54
[3]
智能优化方法.[M].汪定伟等; 编著.高等教育出版社.2007,
[4]
A new Fruit Fly Optimization Algorithm: Taking the financial distress model as an example.[J].Wen-Tsao Pan.Knowledge-Based Systems.2011,