求解大规模优化问题的改进鲸鱼优化算法

被引：212

作者：

龙文 ^{[1
,2
]}

蔡绍洪 ^{[1
]}

焦建军 ^{[2
]}

唐明珠 ^{[3
]}

伍铁斌 ^{[4
]}

机构：

[1] 贵州财经大学贵州省经济系统仿真重点实验室

[2] 贵州财经大学数学与统计学院

[3] 长沙理工大学能源与动力工程学院

[4] 湖南人文科技学院能源与机电工程学院

来源：

系统工程理论与实践 | 2017年 / 37卷 / 11期

基金：

湖南省自然科学基金;

关键词：

鲸鱼优化算法; 对立学习策略; 非线性收敛因子; 大规模优化问题; 多样性变异;

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：

提出一种基于非线性收敛因子的改进鲸鱼优化算法(简记为IWOA)用于求解大规模复杂优化问题.为算法全局搜索奠定基础,在搜索空间中利用对立学习策略进行初始化鲸鱼个体位置;设计一种随进化迭代次数非线性变化的收敛因子更新公式以协调WOA算法的探索和开发能力;对当前最优鲸鱼个体执行多样性变异操作以减少算法陷入局部最优的概率.选取15个大规模(200维、500维和1000维)标准测试函数进行数值实验,结果表明,IWOA在求解精度和收敛速度方面明显优于其他对比算法.

引用

页码：2983 / 2994

页数：12

共 14 条

[1]

控制参数值非线性调整策略的灰狼优化算法 [J].

魏政磊 ;

赵辉 ;

李牧东 ;

王渊 ;

柯益明 .

空军工程大学学报(自然科学版), 2016, 17 (03) :68-72

[2]

少控制参数的分层式骨干粒子群优化算法 [J].

张芳芳 ;

王建军 ;

张勇 .

系统工程理论与实践, 2015, (12) :3217-3224

[3]

人工记忆优化算法 [J].

黄光球 ;

李涛 ;

陆秋琴 .

系统工程理论与实践, 2014, 34 (11) :2900-2912

[4]

一种精英反向学习的粒子群优化算法 [J].

周新宇 ;

吴志健 ;

王晖 ;

李康顺 ;

张浩宇 .

电子学报, 2013, 41 (08) :1647-1652

[5]

求解大规模优化问题的可全局收敛蝙蝠算法 [J].

黄光球 ;

赵魏娟 ;

陆秋琴 .

计算机应用研究, 2013, 30 (05) :1323-1328

[6]

The Whale Optimization Algorithm.[J].Seyedali Mirjalili;Andrew Lewis.Advances in Engineering Software.2016,

[7]

A harmony search algorithm for high-dimensional multimodal optimization problems.[J].Shouheng Tuo;Junying Zhang;Longquan Yong;Xiguo Yuan;Baobao Liu;Xiaoyang Xu;Fang'an Deng.Digital Signal Processing.2015,

[8]

Multi-population differential evolution with balanced ensemble of mutation strategies for large-scale global optimization.[J].Mostafa Z. Ali;Noor H. Awad;Ponnuthurai N. Suganthan.Applied Soft Computing.2015,

[9]

Decomposition-based evolutionary algorithm for large scale constrained problems.[J].Eman Sayed;Daryl Essam;Ruhul Sarker;Saber Elsayed.Information Sciences.2015,

[10]

A quantum-behaved particle swarm optimization with memetic algorithm and memory for continuous non-linear large scale problems.[J].Deyu Tang;Yongming Cai;Jie Zhao;Yun Xue.Information Sciences.2014,

← 1 2 →