發(fā)布時(shí)間：2021-08-02 12:56

　　針對回溯搜索優(yōu)化算法收斂速度慢和易陷入局部最優(yōu)的缺陷,提出了一種基于組合變異策略的改進(jìn)回溯搜索優(yōu)化算法。為了提高歷史種群的多樣性并擴(kuò)大算法的搜索空間,在算法迭代過程中采用柯西種群生成策略,利用柯西分布尺度系數(shù)生成歷史種群;引入基于混沌映射和伽瑪分布的組合變異策略,在一定概率下對較差個(gè)體進(jìn)行變異生成質(zhì)量較好的個(gè)體;對新種群中越界個(gè)體采用越界處理策略,確保算法在預(yù)定的搜索空間內(nèi)搜索。選取了11個(gè)標(biāo)準(zhǔn)測試函數(shù),在低維和高維狀態(tài)下進(jìn)行數(shù)值仿真,并與3種表現(xiàn)良好的算法進(jìn)行比較,結(jié)果表明該改進(jìn)算法在收斂速度和收斂精度上有很大優(yōu)勢。 

【文章來源】：計(jì)算機(jī)工程與應(yīng)用. 2020,56(09)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

伽瑪分布概率密度曲線分析圖

具體實(shí)驗(yàn)參數(shù)設(shè)置如下：種群規(guī)模N=30，交叉概率mixrate=1，實(shí)驗(yàn)分別對函數(shù)在30維下仿真，最大迭代次數(shù)5 000次。對每個(gè)測試函數(shù)分別獨(dú)立運(yùn)行30次，取其最優(yōu)值（Best）、平均值（Mean）和方差（Std）進(jìn)行比較，函數(shù)30維下測試結(jié)果比較如表2所示。由表2可知，CMBSA算法的收斂精度均高于BSA、BGBSA和IBSA算法，且比其他三種算法穩(wěn)定。特別是函數(shù)f1和函數(shù)f2,CMBSA算法非常穩(wěn)定且最優(yōu)值達(dá)到了函數(shù)的理論最優(yōu)值；對于函數(shù)f3、f4、f7和f10,CMBSA算法的穩(wěn)定性和收斂精度明顯優(yōu)于其他三種算法，所獲得的函數(shù)最優(yōu)解非常接近函數(shù)的理論最優(yōu)值，且獲取的平均值效果更顯著；對于f9函數(shù)和f11函數(shù)，CMBSA算法的平均值和最優(yōu)值均優(yōu)于BSA、BGBSA和IBSA算法，且穩(wěn)定性較強(qiáng)；對于f5、f6和f8函數(shù)，CMBSA算法均優(yōu)于其他三種算法的平均值和最優(yōu)值。故，CMBSA算法的優(yōu)化性能高于其他三種算法。

CMBSA算法測試函數(shù)曲線對比圖

【參考文獻(xiàn)】：
期刊論文
[1]基于柯西煙花算法的大規(guī)模服務(wù)組合優(yōu)化[J]. 王亮,郭星.  計(jì)算機(jī)工程與應(yīng)用. 2018(24)
[2]基于多尺度混沌變異粒子群算法的三維空間線纜敷設(shè)技術(shù)[J]. 王發(fā)麟,廖文和,郭宇,王曉飛.  機(jī)械工程學(xué)報(bào). 2017(09)



本文編號：3317603