甘肃省教育厅科研基金(1202-04) 作品数:8 被引量:170 H指数:8 相关作者: 韩俊英 刘成忠 王联国 更多>> 相关机构: 甘肃农业大学 更多>> 发文基金: 甘肃省科技支撑计划 甘肃省教育厅科研基金 甘肃省自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
基于细菌趋化的果蝇优化算法 被引量:44 2013年 受细菌趋化行为的启发,将细菌趋化行为中的吸引与排斥转换操作引入到果蝇优化算法中,提出基于细菌趋化的果蝇优化算法。该算法通过判断群体适应度方差是否为零来决定执行排斥操作(逃离最差个体)还是吸引操作(向最优个体靠近),解决果蝇优化算法中只向最优个体靠近,而导致种群多样性丢失引起的早熟收敛问题。对几种经典测试函数的仿真结果表明,新算法具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上比果蝇优化算法有较大的提高。 韩俊英 刘成忠关键词:排斥 反向认知的高效果蝇优化算法 被引量:17 2013年 针对果蝇优化算法的早熟收敛问题,提出一种基于最优和最差个体协同学习的果蝇优化算法。该算法通过在进化方程中添加向最差个体学习的改进策略,优化进化方程,增强算法跳出局部最优、寻找全局最优的能力。对经典测试函数的仿真结果表明,该算法具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上比其他算法有较大的提高。 韩俊英 刘成忠关键词:群体智能 基于细菌迁徙的自适应果蝇优化算法 被引量:16 2014年 针对果蝇优化算法的早熟收敛问题,提出了一种新的基于细菌迁徙的自适应果蝇优化算法。该算法在运行过程中根据进化停滞步数的大小自适应地引入细菌迁徙操作,提高算法跳出局部极值的能力;并且对每个个体根据适应值大小赋予不同的自适应迁徙概率,避免了迁徙可能带来的解退化的问题。对几种经典函数的测试结果表明,新算法具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上比果蝇优化算法有较大的提高。 刘成忠 韩俊英关键词:细菌觅食 自适应 动态双子群协同进化果蝇优化算法 被引量:39 2013年 针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,提出动态双子群协同进化果蝇优化算法(DDSCFOA).该算法在运行过程中根据群体的进化水平,动态地将整个种群划分为先进子群和后进子群;先进子群采用混沌算法在局部最优解邻域内进行精细的局部搜索,后进子群采用基本FOA算法进行全局搜索,较好地平衡局部搜索能力和全局搜索能力;两个子群间的信息通过全局最优个体的更新和种群个体的重组进行交换.DDSCFOA算法能跳出局部极值,避免陷入局部最优.仿真结果表明,动态双子群协同进化的策略有效可行,DDSCFOA算法比基本FOA算法具有更好的优化性能. 韩俊英 刘成忠 王联国关键词:群体智能 协同进化 早熟收敛 应用反向学习策略的果蝇优化算法 被引量:8 2014年 针对基本果蝇优化算法FOA(Fruit Fly Optimization Algorithm)容易陷入局部极值、进化后期收敛速度慢和收敛精度低的缺点,采用反向学习策略加以改进,提出应用反向学习策略的果蝇优化算法OBLFOA(FOA with Opposition-based Learning)。该算法将一般反向学习策略和动态一般反向学习策略分别引入到果蝇优化算法的种群初始化和迭代寻优过程中,能得到越来越好的种群个体。随着迭代过程的逐步深入,使得进化种群快速地逼近最优解。对6个经典测试函数的仿真结果表明,新算法在收敛速度、收敛可靠性及收敛精度方面比基本果蝇优化算法有较大的提高。 韩俊英 刘成忠关键词:进化计算 自适应混沌果蝇优化算法 被引量:46 2013年 针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,融入混沌算法对果蝇优化算法的进化机制进行优化,提出自适应混沌果蝇优化算法(ACFOA)。在算法处于收敛状态时,应用混沌算法进行全局寻优,从而跳出局部极值而继续优化。对几种经典测试函数的仿真结果表明,ACFOA具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上均比基本FOA有较大的提高。 韩俊英 刘成忠关键词:自适应 混沌 适应度 自适应调整参数的果蝇优化算法 被引量:26 2014年 针对基本果蝇优化算法因参数选取不当而导致的收敛精度偏低且不稳定的问题,提出了自适应调整参数的果蝇优化算法(FOA with Adaptive Parameter,FOAAP)。该算法在每个进化代输入描述种群整体特征的精确数值,由逆向云发生器算法得到当代云模型的3个数字特征C(ExtEntHet),按照U条件隶属云发生器自适应调整果蝇个体搜寻食物的方向与距离Value这一参数。将该算法在函数优化中,与基本果蝇优化算法以及相关文献中算法进行仿真对比,结果表明,新算法在收敛速度、收敛可靠性及收敛精度方面具有明显优势。 韩俊英 刘成忠关键词:云模型 自适应 自适应变异的果蝇优化算法 被引量:44 2013年 针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,提出自适应变异的果蝇优化算法(FOAAM)。该算法在运行过程中根据群体适应度方差和当前最优解的大小判断算法陷入局部最优时,首先将最优果蝇个体复制M个;然后对复制的最优果蝇个体进行扰动,按一定的概率P执行高斯变异操作;最后对变异后的最优果蝇个体进行二次寻优,从而跳出局部极值而继续优化。对几种经典测试函数的仿真结果表明,FOAAM算法具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上均比基本FOA算法有较大的提高。 韩俊英 刘成忠关键词:自适应 早熟收敛