混合方法优化的自适应引力搜索算法

TP273; 针对引力搜索算法存在的易早熟收敛、易陷入局部最优、搜索精度有待提高等缺陷,提出一种混合方法优化的自适应引力搜索算法(gravitational search algorithm ,GSA ) .首先利用Sobol序列初始化种群,增强算法全局搜索能力;其次引入 Hamming贴进度计算种群成熟度,判断种群是否早熟;然后引入Logistic混沌对种群作混沌搜索,变异已陷入局部最优的粒子位置;最后基于早熟收敛判断因子改进引力系数,并为粒子位置公式添加收缩因子,促使种群加快脱离局部最优.对9个不同类型的基准测试函数做仿真实验,结果表明新算法能有效改善种群的早熟问题,具备更好的寻优性能....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 42; no. 1; pp. 148 - 156
Main Authors 娄奥, 姚敏立, 贾维敏, 袁丁
Format Journal Article
LanguageChinese
Published 火箭军工程大学作战保障学院,陕西西安,710025%火箭军工程大学核工程学院,陕西西安,710025 2020
Subjects
chaos
gravitational search algorithm (GSA )
引力搜索算法
低差异序列
nearness degree
low‐discrepancy sequence
混沌
贴进度
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2020.01.20

Cover

More Information
Summary:TP273; 针对引力搜索算法存在的易早熟收敛、易陷入局部最优、搜索精度有待提高等缺陷,提出一种混合方法优化的自适应引力搜索算法(gravitational search algorithm ,GSA ) .首先利用Sobol序列初始化种群,增强算法全局搜索能力;其次引入 Hamming贴进度计算种群成熟度,判断种群是否早熟;然后引入Logistic混沌对种群作混沌搜索,变异已陷入局部最优的粒子位置;最后基于早熟收敛判断因子改进引力系数,并为粒子位置公式添加收缩因子,促使种群加快脱离局部最优.对9个不同类型的基准测试函数做仿真实验,结果表明新算法能有效改善种群的早熟问题,具备更好的寻优性能.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2020.01.20