針對(duì)蟻獅算法在平衡開(kāi)發(fā)能力與探索能力不足的缺點(diǎn),提出了具體有隨機(jī)分形自適應(yīng)搜索策略的改進(jìn)算法。在該策略中,螞蟻利用隨機(jī)分形搜索方程提高算法的探索能力;蟻獅利用自適應(yīng)搜索方程在最優(yōu)位置進(jìn)行精細(xì)搜索,以提高算法的開(kāi)發(fā)能力。對(duì)3個(gè)單峰、3個(gè)多峰標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行尋優(yōu),仿真結(jié)果表明,相比于其他算法,所提出的改進(jìn)算法很好地平衡了自身的開(kāi)發(fā)能力和探索能力,顯著提高了全局優(yōu)化能力和收斂速率。 

【文章來(lái)源】：火力與指揮控制. 2019,44(02)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

單個(gè)粒子隨機(jī)分形示意圖

螞蟻的隨機(jī)搜基準(zhǔn)測(cè)試函數(shù)搜索空間最優(yōu)解［-100，100］［-100，100］［-10，10］［-600，600］［-5.12，5.12］［-2.048，2.048］000000表1測(cè)試函數(shù)索具有很好的探索性，不容易陷入局部最優(yōu)值；蟻獅的自適應(yīng)搜索具有很好的開(kāi)發(fā)性，能夠在適應(yīng)度較高的位置附近進(jìn)行精細(xì)搜索。改進(jìn)后的算法很好地平衡了開(kāi)發(fā)能力與探索能力。為了進(jìn)一步說(shuō)明SFSALO算法的優(yōu)越性，對(duì)ABC算法，PSO算法，GWO算法進(jìn)行了比較，維度設(shè)為50，最大迭代次數(shù)為300。圖3和圖4分別是4種算法對(duì)Sphere函數(shù)、Griewank函數(shù)的收斂過(guò)程對(duì)比。仿真結(jié)果分析表明SFSALO算法的收斂精度和收斂速度明顯比其他3種算法效果顯著。對(duì)Sphere圖3Sphere函數(shù)收斂曲線圖4Griewank函數(shù)收斂曲線·44·0228

0表1測(cè)試函數(shù)索具有很好的探索性，不容易陷入局部最優(yōu)值；蟻獅的自適應(yīng)搜索具有很好的開(kāi)發(fā)性，能夠在適應(yīng)度較高的位置附近進(jìn)行精細(xì)搜索。改進(jìn)后的算法很好地平衡了開(kāi)發(fā)能力與探索能力。為了進(jìn)一步說(shuō)明SFSALO算法的優(yōu)越性，對(duì)ABC算法，PSO算法，GWO算法進(jìn)行了比較，維度設(shè)為50，最大迭代次數(shù)為300。圖3和圖4分別是4種算法對(duì)Sphere函數(shù)、Griewank函數(shù)的收斂過(guò)程對(duì)比。仿真結(jié)果分析表明SFSALO算法的收斂精度和收斂速度明顯比其他3種算法效果顯著。對(duì)Sphere圖3Sphere函數(shù)收斂曲線圖4Griewank函數(shù)收斂曲線·44·0228

【參考文獻(xiàn)】：
期刊論文
[1]面向全局優(yōu)化基于分形的混合混沌優(yōu)化算法[J]. 劉振軍,楊迪雄.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2016(09)
[2]具有自適應(yīng)全局最優(yōu)引導(dǎo)快速搜索策略的人工蜂群算法[J]. 趙輝,李牧東,翁興偉.  控制與決策. 2014(11)
[3]基于改進(jìn)蟻群算法的無(wú)人機(jī)航跡規(guī)劃[J]. 韓攀,陳謀,陳哨東,劉敏.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2013(01)
[4]受啟發(fā)的人工蜂群算法在全局優(yōu)化問(wèn)題中的應(yīng)用[J]. 高衛(wèi)峰,劉三陽(yáng),黃玲玲.  電子學(xué)報(bào). 2012(12)
[5]粒子群優(yōu)化算法中的慣性權(quán)值非線性調(diào)整策略[J]. 周敏,李太勇.  計(jì)算機(jī)工程. 2011(05)
[6]一種基于微粒群思想的蟻群參數(shù)自適應(yīng)優(yōu)化算法[J]. 夏輝,王華,陳熙.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2010(03)
[7]蟻群算法在連續(xù)空間尋優(yōu)問(wèn)題求解中的應(yīng)用[J]. 汪鐳,吳啟迪.  控制與決策. 2003(01)



本文編號(hào)：3295211