為了提高小世界算法的高維模型優(yōu)化性能和降低算法的編碼復雜性,提出了一種基于精英集聚效應的自適應實數(shù)編碼小世界優(yōu)化算法。該算法借鑒小世界現(xiàn)象進行網(wǎng)絡空間搜索,包括隨機長連接和局部短連接。為了提高優(yōu)化性能,首先基于精英集聚效應在長連接中加入分級個體吸引策略;然后根據(jù)節(jié)點優(yōu)化優(yōu)劣在短連接中進行搜索次數(shù)及鄰域大小的自適應調(diào)整。為了降低編碼復雜性采用了實數(shù)編碼。最后通過Markov鏈理論證明了算法的收斂性。數(shù)值測試結(jié)果表明,與禁忌遺傳算法、基本小世界算法以及禁忌小世界算法相比,該算法在相對誤差方面平均降低了30.3%,在收斂速度和穩(wěn)定性方面分別平均提高了18.2%和13.8%,從而驗證了算法的有效性。 

【文章來源】：計算機工程與應用. 2019,55(10)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

基本小世界算法搜索原理

【參考文獻】：
期刊論文
[1]基于遺傳算法和禁忌搜索的混合優(yōu)化策略[J]. 趙靜,孔金生.  計算機工程與設(shè)計. 2009(23)
[2]基于復雜網(wǎng)絡特征的背包問題優(yōu)化算法[J]. 陳乃建,王孫安,邸宏宇,袁明新.  系統(tǒng)工程與電子技術(shù). 2009(09)
[3]用于函數(shù)優(yōu)化的小世界優(yōu)化算法[J]. 杜海峰,莊健,張進華,王孫安.  西安交通大學學報. 2005(09)



本文編號：3350064