基于动态分级策略的改进正余弦算法

TP301; 针对正余弦算法存在易陷入局部最优、求解精度不高、收敛速度较慢等问题,提出一种基于动态分级策略的改进正余弦算法.首先,引入拉丁超立方抽样法,将搜索空间均匀划分,使初始种群覆盖整个搜索空间,以保持初始种群的多样性.其次,采用动态分级策略,根据适应度值的排序情况,将种群动态划分为好中差3个等级,并应用破坏策略与精英引导方法对其进行扰动,以提高算法的收敛精度,增强跳出局部最优的能力.最后,引入反向学习方法,设计了动态反向学习全局搜索策略,以提高算法的收敛速度,同时对改进算法在复杂度、收敛性和稳定性方面进行性能测试,选取15个标准测试函数在低维和高维状态下进行仿真实验分析,并与粒子群算法、...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 43; no. 6; pp. 1596 - 1605
Main Authors 魏锋涛, 张洋洋, 黎俊宇, 史云鹏
Format Journal Article
LanguageChinese
Published 西安理工大学机械与精密仪器工程学院,陕西西安710048 01.06.2021
Subjects
改进正余弦算法
动态分级策略
数值仿真分析
全局搜索策略
拉丁超立方种群初始化策略
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2021.06.17

Cover

More Information
Summary:TP301; 针对正余弦算法存在易陷入局部最优、求解精度不高、收敛速度较慢等问题,提出一种基于动态分级策略的改进正余弦算法.首先,引入拉丁超立方抽样法,将搜索空间均匀划分,使初始种群覆盖整个搜索空间,以保持初始种群的多样性.其次,采用动态分级策略,根据适应度值的排序情况,将种群动态划分为好中差3个等级,并应用破坏策略与精英引导方法对其进行扰动,以提高算法的收敛精度,增强跳出局部最优的能力.最后,引入反向学习方法,设计了动态反向学习全局搜索策略,以提高算法的收敛速度,同时对改进算法在复杂度、收敛性和稳定性方面进行性能测试,选取15个标准测试函数在低维和高维状态下进行仿真实验分析,并与粒子群算法、回溯搜索算法和其他改进正余弦算法进行比较.仿真分析结果表明,所提算法有效地提高了算法的收敛性和稳定性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2021.06.17