改进的万有引力搜索算法在函数优化中的应用

被引：71

作者：

张维平 ^{[1
,2
]}

任雪飞 ^{[1
]}

李国强 ^{[2
]}

牛培峰 ^{[2
]}

机构：

[1] 秦皇岛职业技术学院机电工程系

[2] 燕山大学电气工程学院

来源：

计算机应用 | 2013年 / 33卷 / 05期

关键词：

万有引力搜索算法; 数值函数优化; 人工蜂群算法; 启发式优化算法; 群体智能;

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：

万有引力搜索算法应用于函数优化问题时易陷入局部最优解且优化精度不高。针对这些问题,提出了一种改进的万有引力搜索算法。该算法通过引入反向学习策略、精英策略和边界变异策略,显著地提高了万有引力搜索算法中粒子的探索能力与开发能力,获得了较强的全局优化能力和局部优化能力。通过对6个非线性基准函数进行仿真实验,结果表明:与基本的万有引力搜索算法、加权的万有引力搜索算法和人工蜂群算法相比,改进的万有引力搜索算法在求解复杂函数的优化问题时具有更好的优化性能。

引用

页码：1317 / 1320

页数：4

共 7 条

[1]

非线性极大极小问题的混沌万有引力搜索算法求解 [J].