針對(duì)煙花算法收斂速度慢和求解精度不高,論文提出了一種改進(jìn)煙花算法——帶柯西變異的自學(xué)習(xí)改進(jìn)煙花算法.改進(jìn)算法用全局搜索能力更強(qiáng)的柯西變異算子替代高斯變異算子,增大變異范圍;用全局最優(yōu)煙花個(gè)體和歷史柯西火花的位置來(lái)構(gòu)造新的爆炸半徑使其不僅能夠繼承和學(xué)習(xí)歷史信息,還能夠自適應(yīng)地調(diào)整步長(zhǎng);并使用可同時(shí)兼顧煙花質(zhì)量與分布的"精英-隨機(jī)"選擇策略.使用了10個(gè)典型基準(zhǔn)測(cè)試函數(shù)和10個(gè)0-1背包問(wèn)題進(jìn)行仿真實(shí)驗(yàn),結(jié)果表明,與蝙蝠算法、粒子群算法、帶高斯擾動(dòng)的粒子群算法、煙花算法、增強(qiáng)煙花算法、自適應(yīng)煙花算法相比.該算法在收斂速度、計(jì)算精度以及穩(wěn)定性方面性能更優(yōu). 

【文章來(lái)源】：小型微型計(jì)算機(jī)系統(tǒng). 2020,41(02)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

f9尋優(yōu)進(jìn)化曲線

在大規(guī)模數(shù)據(jù)集下，算法解決這類解空間較大的問(wèn)題要求較高的全局搜索能力．因此，改進(jìn)算法將標(biāo)準(zhǔn)煙花算法中的高斯變異算子更換為全局搜索能力更強(qiáng)的柯西變異算子，增大變異范圍，提高全局搜索能力．柯西分布的圖形似一個(gè)鐘形，兩翼寬，加大了尋優(yōu)范圍，如圖1所示，標(biāo)準(zhǔn)柯西分布在零點(diǎn)附近的波峰低于標(biāo)準(zhǔn)高斯分布，但兩邊趨向于零的速度比高斯分布要慢，由此可見(jiàn)柯西變異的擾動(dòng)能力比高斯變異強(qiáng)，變異范圍更廣，較容易跳出局部最優(yōu)．柯西變異的計(jì)算公式為:

為了對(duì)收斂速度和收斂精度的觀察更加的直觀，文中給出圖2至圖7的尋優(yōu)進(jìn)化曲線．為縮減篇幅，僅給出部分基準(zhǔn)測(cè)試函數(shù)的尋優(yōu)進(jìn)化曲線．其中縱坐標(biāo)中的適應(yīng)度值均取對(duì)數(shù)log10，即log10(Fitness).圖3 f3尋優(yōu)進(jìn)化曲線

【參考文獻(xiàn)】：
期刊論文
[1]基于混沌增強(qiáng)煙花算法的多能源系統(tǒng)并網(wǎng)優(yōu)化調(diào)度[J]. 雍靜,趙瑾,郇嘉嘉,余夢(mèng)澤,王曉靜.  電網(wǎng)技術(shù). 2019(10)
[2]基于改進(jìn)煙花-蟻群算法的海流環(huán)境下水下無(wú)人潛航器的避障路徑規(guī)劃[J]. 馬焱,肖玉杰,陳軼,閆泓衫.  導(dǎo)航與控制. 2019(01)
[3]改進(jìn)煙花算法在虛擬士兵路徑規(guī)劃中的應(yīng)用[J]. 樊永生,連云霞,楊臻.  計(jì)算機(jī)工程. 2018(12)
[4]改進(jìn)選擇策略的煙花算法[J]. 余冬華,郭茂祖,劉曉燕,劉國(guó)軍.  控制與決策. 2020(02)
[5]求解0-1背包問(wèn)題的改進(jìn)離散和聲搜索算法[J]. 歐陽(yáng)海濱,夏紅剛,王清,馬鴿.  廣州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[6]基于反向?qū)W習(xí)與動(dòng)態(tài)記憶反饋的煙花算法[J]. 李席廣,韓守飛,劉曉靜,拱長(zhǎng)青.  計(jì)算機(jī)工程. 2017(12)
[7]煙花算法優(yōu)化的軟子空間MR圖像聚類算法[J]. 范虹,侯存存,朱艷春,姚若俠.  軟件學(xué)報(bào). 2017(11)



本文編號(hào)：3335721