基于群体划分的冠状病毒群体免疫优化算法

TP301; 针对冠状病毒群体免疫优化(CHIO)算法收敛速度慢、求解精度低的问题,提出一种基于群体划分的冠状病毒群体免疫优化(SD-CHIO)算法.基于适应度均匀原则将初始群体划分为两部分,即全局寻优个体与局部寻优个体.对于全局寻优个体,在其位置更新中加入差分变异与漫反射变异策略,分别用来增强全局寻优个体之间的交流与群体多样性,从而提高算法的全局搜索能力.对于局部寻优个体,在其位置更新中引入一种自适应快速收敛策略:基于增量法进行精英预测,并加入一种自适应收敛系数使局部寻优个体能快速收敛至精英解,以提升算法的局部搜索能力.数值实验表明:SD-CHIO能够有效提高原算法的收敛速度与精度,并表现出...

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 58; no. 4; pp. 555 - 564
Main Authors 李博群, 孙志锋
Format Journal Article
LanguageChinese
Published 浙江大学电气工程学院,杭州 310027 01.04.2024
Subjects
diffuse reflection mutation
冠状病毒群体免疫优化算法
差分变异
adaptive fast convergence
swarm division
漫反射变异
群体划分
coronavirus herd immunity optimizer(CHIO)
自适应快速收敛
differential mutation
Online AccessGet full text
ISSN1006-2467
DOI10.16183/j.cnki.jsjtu.2022.470

Cover

More Information
Summary:TP301; 针对冠状病毒群体免疫优化(CHIO)算法收敛速度慢、求解精度低的问题,提出一种基于群体划分的冠状病毒群体免疫优化(SD-CHIO)算法.基于适应度均匀原则将初始群体划分为两部分,即全局寻优个体与局部寻优个体.对于全局寻优个体,在其位置更新中加入差分变异与漫反射变异策略,分别用来增强全局寻优个体之间的交流与群体多样性,从而提高算法的全局搜索能力.对于局部寻优个体,在其位置更新中引入一种自适应快速收敛策略:基于增量法进行精英预测,并加入一种自适应收敛系数使局部寻优个体能快速收敛至精英解,以提升算法的局部搜索能力.数值实验表明:SD-CHIO能够有效提高原算法的收敛速度与精度,并表现出明显优于其他元启发式算法的全局与局部搜索能力以及一定的工程价值.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2022.470