針對復(fù)雜函數(shù)優(yōu)化問題,提出一種兩階段混合優(yōu)化算法。對基本粒子群和鴿群算法進(jìn)行改進(jìn),引入慣性因子和跳躍算子增強(qiáng)了粒子群算法的搜索能力,提出干擾算子增加了鴿群算法的種群多樣性。將改進(jìn)后的兩種算法相結(jié)合,形成兩階段混合優(yōu)化算法,同時定義了一種多樣性函數(shù)對種群進(jìn)行實時監(jiān)測,以保證種群的多樣性。采用兩組經(jīng)典測試函數(shù),對算法性能進(jìn)行測試。結(jié)果表明,算法適用于求解復(fù)雜函數(shù)優(yōu)化問題,且具有較好的收斂速度和收斂精度。 

【文章來源】：計算機(jī)工程與應(yīng)用. 2019,55(22)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 粒子群和鴿群算法
    2.1 帶跳躍算子的粒子群算法
    2.2 帶干擾算子的鴿群算法
3 粒子群-鴿群混合優(yōu)化算法設(shè)計
4 實驗仿真與分析
    4.1 閾值的選取測試
    4.2 測試函數(shù)
    4.3 對比算法與參數(shù)設(shè)置
    4.4 實驗結(jié)果及分析
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于自適應(yīng)多種群的粒子群優(yōu)化算法[J]. 曾輝,王倩,夏學(xué)文,方霞.  計算機(jī)工程與應(yīng)用. 2018(10)
[2]基于改進(jìn)鴿群優(yōu)化的直升機(jī)協(xié)同目標(biāo)分配[J]. 周凱,姜文志,陳鄧安,郭智杰.  火力與指揮控制. 2017(07)
[3]基于SQP和自適應(yīng)搜索的混沌粒子群算法[J]. 鄭慶新,顧曉輝,張洪銘.  計算機(jī)工程與應(yīng)用. 2018(13)
[4]基于改進(jìn)鴿群算法的高超聲速飛行器軌跡優(yōu)化[J]. 張亞平,孫佩華,李昱輝,劉燕斌.  飛行力學(xué). 2017(04)
[5]成長性的粒子群算法及其在函數(shù)優(yōu)化中的應(yīng)用[J]. 李榮雨,周志勇.  信息與控制. 2017(02)
[6]采用威脅啟發(fā)鴿群優(yōu)化的武裝直升機(jī)航路規(guī)劃[J]. 蔣飄蓬,周凱,朱乾坤,姜文志.  電光與控制. 2017(07)
[7]基于捕食逃逸鴿群優(yōu)化的無人機(jī)緊密編隊協(xié)同控制[J]. 段海濱,邱華鑫,范彥銘.  中國科學(xué):技術(shù)科學(xué). 2015(06)
[8]Tent混沌人工蜂群與粒子群混合算法[J]. 匡芳君,金忠,徐蔚鴻,張思揚.  控制與決策. 2015(05)
[9]基于動態(tài)層次分析的自適應(yīng)多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用[J]. 夏立榮,李潤學(xué),劉啟玉,耿志強(qiáng).  控制與決策. 2015(02)
[10]基于混合粒子群-NEH算法求解無等待柔性流水車間調(diào)度問題[J]. 張其亮,陳永生.  系統(tǒng)工程理論與實踐. 2014(03)



本文編號：2978238