針對基本果蠅優(yōu)化算法收斂精度不高、容易陷入局部最優(yōu)和收斂速度慢的問題,提出一種基于混合策略改進的果蠅優(yōu)化算法（MSFOA）。受鯨魚捕食獵物的啟發(fā),在對個體歷史最優(yōu)位置的更新中,采用新的組合搜索的方法,加快果蠅搜索迭代速度;在更新后的位置公式中引入自適應權重系數(shù),提高算法的優(yōu)化精度;當達到局部收斂狀態(tài)時,結合多尺度高斯變異算子解決局部最優(yōu)的限制。采用6個測試函數(shù)的仿真結果表明,MSFOA算法相比其它算法具有更快的收斂速度和較高的尋優(yōu)精度。 

【文章來源】：計算機工程與設計. 2020,41(01)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 基本果蠅優(yōu)化算法
2 混合策略改進的果蠅優(yōu)化算法
    2.1 自適應權重系數(shù)
    2.2 搜索包圍和螺旋式上升
    2.3 多尺度高斯變異算子
        2.3.1 多尺度協(xié)同變異
        2.3.2 高斯變異算子
3 實驗及結果分析
    3.1 實驗設計
    3.2 實驗結果與分析
        3.2.1 固定進化迭代次數(shù)的收斂速度和精度
        3.2.2 算法時間復雜度的分析
4 結束語


【參考文獻】：
期刊論文
[1]一種改進的鯨魚優(yōu)化算法[J]. 張永,陳鋒.  計算機工程. 2018(03)
[2]An improved fruit fly optimization algorithm for solving traveling salesman problem[J]. Lan HUANG,Gui-chao WANG,Tian BAI,Zhe WANG.  Frontiers of Information Technology & Electronic Engineering. 2017(10)
[3]自適應種群更新策略的多目標粒子群算法[J]. 翁理國,王驥,夏旻,紀壯壯.  計算機工程與應用. 2017(15)
[4]融合禁忌搜索的混合果蠅優(yōu)化算法[J]. 張彩宏,潘廣貞.  計算機工程與設計. 2016(04)
[5]果蠅優(yōu)化算法優(yōu)化性能對比研究[J]. 劉立群,韓俊英,代永強,火久元.  計算機技術與發(fā)展. 2015(08)
[6]An Optimization Algorithm for Service Composition Based on an Improved FOA[J]. Yiwen Zhang,Guangming Cui,Yan Wang,Xing Guo,Shu Zhao.  Tsinghua Science and Technology. 2015(01)



本文編號：3157853