發(fā)布時(shí)間：2021-08-28 11:59

　　針對(duì)緞藍(lán)園丁鳥(niǎo)優(yōu)化（SBO）算法求解精度不高和收斂速度慢等問(wèn)題,提出一種改進(jìn)的緞藍(lán)園丁鳥(niǎo)優(yōu)化（ISBO）算法。首先,引入非均勻變異算子,動(dòng)態(tài)地調(diào)整每次迭代園丁鳥(niǎo)個(gè)體的搜索步長(zhǎng),使算法能快速高效地尋求全局最優(yōu)值;其次,采用互利因子對(duì)算法的社會(huì)部分引入更多組合模式,使其不再單一圍繞前一個(gè)園丁鳥(niǎo)附近搜索,以獲取更好的最優(yōu)解;最后,為了更好地平衡算法的局部與全局搜索能力,引入余弦變化的慣性權(quán)重因子來(lái)更新園丁鳥(niǎo)的位置公式。使用收斂速度分析、Wilcoxon檢驗(yàn)和8個(gè)基準(zhǔn)函數(shù)對(duì)5種算法搜索性能進(jìn)行對(duì)比分析,來(lái)評(píng)估改進(jìn)緞藍(lán)園丁鳥(niǎo)優(yōu)化算法的效率。結(jié)果表明,改進(jìn)算法具有更好的全局搜索能力和求解魯棒性,同時(shí)尋優(yōu)精度和收斂速度也比原來(lái)算法有所增強(qiáng)。 

【文章來(lái)源】：計(jì)算機(jī)工程與科學(xué). 2020,42(12)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

算法流程圖

圖2給出了8個(gè)基準(zhǔn)函數(shù)的平均收斂曲線圖,各函數(shù)分圖圖例同圖2a一致。由于ISBO收斂精度較高,為了便于觀察收斂情況,本文對(duì)尋優(yōu)適應(yīng)度值(縱坐標(biāo))取10為底的對(duì)數(shù)。由圖2a～圖2h可看出,SSA和BOA算法作為較新的算法,也依然存在容易陷入局部最優(yōu)的缺點(diǎn)。原始SBO算法的收斂曲線下降緩慢,出現(xiàn)不同程度的停滯,基本陷入局部極值且收斂精度較低。NSBO、MSBO和WSBO算法性能都比SBO算法更好。而無(wú)論單峰、多峰,還是低維和高維,對(duì)于每個(gè)基準(zhǔn)函數(shù),ISBO比其他算法的收斂速度和尋優(yōu)精度都要好,隨著迭代次數(shù)的增加,ISBO的曲線下降非常快,并且在迭代后期具有持續(xù)尋優(yōu)的能力。對(duì)于函數(shù)f1,ISBO在300代左右搜索到函數(shù)的最佳值0,所以圖2a中,ISBO的曲線后面部分沒(méi)有顯示。圖2f～圖2h是多峰函數(shù)的平均收斂曲線,ISBO算法的尋優(yōu)適應(yīng)度值是8個(gè)算法中最好的。對(duì)于函數(shù)f7,ISBO算法在150代左右即搜索到全局最優(yōu)解,表現(xiàn)了較強(qiáng)的魯棒性。由此說(shuō)明對(duì)于這一類的多峰函數(shù),ISBO具有很強(qiáng)的搜索能力,可以快速跳出局部最優(yōu)值束縛向全局最優(yōu)點(diǎn)靠近。綜上可知,ISBO算法對(duì)于所有基準(zhǔn)函數(shù)都有很好的尋優(yōu)結(jié)果。特別是對(duì)于高維、多峰的函數(shù),具有較好的穩(wěn)定性和尋優(yōu)能力,有效地解決了原始緞藍(lán)園丁鳥(niǎo)優(yōu)化算法收斂速度緩慢、求解精度不高的問(wèn)題。

如圖3所示是ISBO與SBO、PSO和GA算法的一次迭代速度對(duì)比圖。系統(tǒng)總效益隨著迭代次數(shù)的增加而增大,ISBO算法在53代時(shí),系統(tǒng)總效益達(dá)到最大,即此刻為認(rèn)知智能電網(wǎng)的鄰域網(wǎng)中頻譜分配問(wèn)題的最優(yōu)解,在此以后系統(tǒng)總效益不再改變;ISBO算法的最優(yōu)解明顯大于SBO算法的,說(shuō)明了改進(jìn)算法的有效性;PSO算法和GA算法分別在第178代和第211代時(shí)系統(tǒng)總效益才達(dá)到最大值,而且它們的效益值明顯低于ISBO算法的。為了說(shuō)明ISBO算法在不同頻譜環(huán)境下均具有更好的優(yōu)化性能,將4種算法在30種不同的頻譜環(huán)境下進(jìn)行仿真,得到不同頻譜環(huán)境下的系統(tǒng)總效益圖,如圖4所示。從表6可以看出,ISBO算法最終的系統(tǒng)總效益比GA算法分別高出31.8%,比PSO算法高出14.6%,比未改進(jìn)前的SBO算法高出8.8%。這也進(jìn)一步說(shuō)明了本文所提算法在頻譜分配當(dāng)中的有效性。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)粒子群算法的路徑規(guī)劃[J]. 賈會(huì)群,魏仲慧,何昕,張磊,何家維,穆治亞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(12)
[2]基于自適應(yīng)t分布變異的緞藍(lán)園丁鳥(niǎo)優(yōu)化算法[J]. 韓斐斐,劉升.  微電子學(xué)與計(jì)算機(jī). 2018(08)
[3]基于子種群拉伸操作的精英共生生物搜索算法[J]. 王艷嬌,馬壯.  控制與決策. 2019(07)



本文編號(hào)：3368473