發(fā)布時間：2021-03-30 12:22

　　離子運動算法（IMO）是最近提出的一種新型群智能隨機優(yōu)化算法。由于IMO的搜索方程沒有考慮帶同性電荷的離子之間的相互排斥關(guān)系,這使得IMO算法的搜索方程存在搜索能力強但開發(fā)能力差之不足,導(dǎo)致算法易陷入局部最優(yōu)。針對這一問題,本文基于離子同類相斥和異類相吸特征、離子晶體結(jié)構(gòu)特征、以及離子在液態(tài)狀態(tài)下的運動特征,提出一種新的拓展離子運動算法（EIMO）。我們選取10個比較常用的基準(zhǔn)測試函數(shù)用來測試本文算法,并與IMO和PSO算法相比較,結(jié)果表明:EIMO具有良好的處理復(fù)雜數(shù)值優(yōu)化問題的性能。 

【文章來源】：計算機仿真. 2019,36(09)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

IMO流程圖

圖2三種算法在10個優(yōu)化問題上的收斂曲線疊加圖PSO好。下一步，我們將研究如何將其應(yīng)用于解決多目標(biāo)優(yōu)化和離散優(yōu)化問題。參考文獻(xiàn):［1］JHHolland．Adaptationinnaturalandartificialsystems［D］．Uni-versityofMichiganPress，AnnArbor，MI，1975．［2］J．Kennedy，Ｒ．C．Eberhart．Particleswarmoptimization［C］．Proc．oftheIEEEInternationalconferenceonNeuralNetworks，IEEEServiceCenter，Piscataway，NJ，IV:1995:1942－1948．［3］MarcoDorigo，VittorioManiezzo，AlbertoColorni．Antsystem:Op-—313—

【參考文獻(xiàn)】：
期刊論文
[1]基于擬熵自適應(yīng)啟動局部搜索策略的混合粒子群算法[J]. 曹玉蓮,李文鋒,張煜.  電子學(xué)報. 2018(01)
[2]旅行商問題的混沌混合離散蝙蝠算法[J]. 戚遠(yuǎn)航,蔡延光,蔡顥,湯雅連,呂文祥.  電子學(xué)報. 2016(10)
[3]采用雙模飛行的粒子群優(yōu)化算法[J]. 李景洋,王勇,李春雷.  模式識別與人工智能. 2014(06)
[4]受啟發(fā)的人工蜂群算法在全局優(yōu)化問題中的應(yīng)用[J]. 高衛(wèi)峰,劉三陽,黃玲玲.  電子學(xué)報. 2012(12)
[5]求解TSP的人工螢火蟲群優(yōu)化算法[J]. 周永權(quán),黃正新.  控制與決策. 2012(12)
[6]一種信息充分交流的粒子群優(yōu)化算法[J]. 呂強,劉士榮.  電子學(xué)報. 2010(03)
[7]基于多粒度的旅行商問題描述及其蟻群優(yōu)化算法[J]. 冀俊忠,黃振,劉椿年,代啟國.  計算機研究與發(fā)展. 2010(03)
[8]自適應(yīng)變異的粒子群優(yōu)化算法[J]. 呂振肅,侯志榮.  電子學(xué)報. 2004(03)
[9]一種基于動物自治體的尋優(yōu)模式:魚群算法[J]. 李曉磊,邵之江,錢積新.  系統(tǒng)工程理論與實踐. 2002(11)



本文編號：3109498