針對標(biāo)準(zhǔn)磷蝦群算法（KH）在求解復(fù)雜函數(shù)優(yōu)化問題時(shí)局部搜索能力差,開采能力不足的問題,提出了一種基于近鄰套索算子的磷蝦群算法（NLKH）。該算法將一種新的近鄰套索算子加入了標(biāo)準(zhǔn)磷蝦群算法,使得處理復(fù)雜函數(shù)優(yōu)化問題更加有效。近鄰套索算子通過比較磷蝦個(gè)體之間的歐式距離來選取目標(biāo)磷蝦對,然后通過在優(yōu)質(zhì)個(gè)體附近加速操作產(chǎn)生新磷蝦個(gè)體和剔除劣質(zhì)磷蝦個(gè)體的方式,提高了磷蝦個(gè)體局部搜索的能力。通過比較PSO算法、KH算法、KHLD算法、NLKH算法在10個(gè)測試函數(shù)上的結(jié)果表明,NLKH算法相較于PSO算法、KH算法和KHLD算法有著更強(qiáng)全局搜索能力,尋優(yōu)精度更高,收斂速度更快,穩(wěn)定性更好。并且NLKH算法相較于KH算法和KHLD算法有著更強(qiáng)的局部勘測能力,開采能力更強(qiáng)。 

【文章來源】：計(jì)算機(jī)工程與應(yīng)用. 2019,55(09)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

NLKH算法運(yùn)算機(jī)制圖

ShpereModel函數(shù)測試結(jié)果圖

GeneralizedSchwefel’sProblem函數(shù)測試結(jié)果圖

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)磷蝦群算法的SVDD參數(shù)優(yōu)化[J]. 孔祥鑫,周煒,王曉丹.  計(jì)算機(jī)工程與應(yīng)用. 2017(22)
[2]最優(yōu)粒子增強(qiáng)探索粒子群算法[J]. 唐祎玲,江順亮,葉發(fā)茂,許慶勇,葛蕓,徐少平.  計(jì)算機(jī)工程與應(yīng)用. 2017(04)



本文編號：3080665