应用精英反向学习的混合烟花爆炸优化算法

被引：26

作者：

王培崇 ^{[1
,2
]}

高文超 ^{[1
,3
]}

钱旭 ^{[1
]}

苟海燕 ^{[4
]}

汪慎文 ^{[2
]}

机构：

[1] 中国矿业大学(北京)机电与信息工程学院

[2] 石家庄经济学院信息工程学院

[3] 清华大学计算机系

[4] 石家庄经济学院华信学院

来源：

计算机应用 | 2014年 / 34卷 / 10期

关键词：

烟花爆炸优化; 精英个体; 反向学习; 轮盘赌选择;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对烟花爆炸优化(FEO)算法容易早熟、解精度低的弱点,提出了一种精英反向学习(OBL)的解空间搜索策略。在每次迭代过程中均对当前最佳个体执行反向学习,生成其动态搜索边界内的反向搜索种群,引导算法向包含全局最优的解空间逼近,以提高算法的平衡和探索能力。为了保持种群的多样性,计算种群内个体对当前最佳个体的突跳概率,并依据此概率值采用轮盘赌机制选择进入子种群的个体。通过在5组标准测试函数的实验仿真并与相关的算法对比,结果表明所提出的改进算法对数值优化具有更高的收敛速度和收敛精度,适合求解高维的数值优化问题。

引用

页码：2886 / 2890

页数：5

共 6 条

[1]

基于自然选择策略的蚁群算法求解TSP问题 [J].