為解決APO算法只遵循一種運(yùn)動規(guī)則,過程單一,多樣性較差,易使算法陷入局部最優(yōu)的不足,借鑒精英學(xué)習(xí)策略,提出了分組精英學(xué)習(xí)策略對APO算法改進(jìn)。該算法對種群個體進(jìn)行分組,組內(nèi)個體單獨(dú)進(jìn)化若干代,按適應(yīng)值排序后選擇最好的若干個體作為精英個體,精英個體即為組間個體,進(jìn)行組間搜索,同時組內(nèi)個體圍繞各自精英個體局部精細(xì)搜索尋優(yōu),并引入反向?qū)W習(xí)和種群多樣性指標(biāo)動態(tài)調(diào)整各組個體的運(yùn)動趨勢,使個體間相似程度增大,尋找潛在的較好解,同時對組內(nèi)組間不同個體遵循不同的作用力規(guī)則,有效地保持種群多樣性,通過14個測試函數(shù)與APO算法比較,實(shí)驗(yàn)結(jié)果表明,該算法是有效的,在種群多樣性與解的精度上較優(yōu)。 

【文章來源】：太原科技大學(xué)學(xué)報. 2019,40(01)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 混合精英學(xué)習(xí)的分組APO算法
    1.1 分組APO算法運(yùn)動規(guī)則集的構(gòu)造
    1.2 種群多樣性策略
    1.3 分組精英學(xué)習(xí)APO算法思想過程
    1.4 算法實(shí)現(xiàn)
2 仿真結(jié)果及分析
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]交叉反向?qū)W習(xí)和同粒社會學(xué)習(xí)的粒子群優(yōu)化算法[J]. 張新明,康強(qiáng),王霞,程金鳳.  計算機(jī)應(yīng)用. 2017(11)
[2]一種采用種群多樣性監(jiān)控和實(shí)時更新策略的粒子群優(yōu)化算法[J]. 李帥龍,崔國民,陳家星,肖媛.  計算物理. 2017(03)
[3]一種混合擬態(tài)物理學(xué)優(yōu)化算法[J]. 夏季,謝麗萍,孫超利.  太原科技大學(xué)學(xué)報. 2017(01)
[4]自適應(yīng)多策略粒子群優(yōu)化算法的研究綜述[J]. 喻祥,孫輝,趙嘉,劉祖涵,覃暉.  南昌工程學(xué)院學(xué)報. 2016(03)
[5]基于擾動的精英反向?qū)W習(xí)粒子群優(yōu)化算法[J]. 李俊,汪沖,李波,方國康.  計算機(jī)應(yīng)用研究. 2016(09)
[6]布朗運(yùn)動模擬退火算法[J]. 傅文淵,凌朝東.  計算機(jī)學(xué)報. 2014(06)
[7]應(yīng)用精英反向?qū)W習(xí)策略的混合差分演化算法[J]. 汪慎文,丁立新,謝承旺,郭肇祿,胡玉榮.  武漢大學(xué)學(xué)報(理學(xué)版). 2013(02)
[8]一種混合一維搜索的矢量擬態(tài)物理學(xué)算法[J]. 張斐,謝麗萍,曾建潮,譚瑛.  太原科技大學(xué)學(xué)報. 2011(04)
[9]基于擬態(tài)物理學(xué)方法的全局優(yōu)化算法[J]. 謝麗萍,曾建潮.  計算機(jī)研究與發(fā)展. 2011(05)
[10]一種基于動態(tài)鄰居和變異因子的粒子群算法[J]. 劉衍民,趙慶禎,隋常玲,邵增珍.  控制與決策. 2010(07)



本文編號：3235176