針對(duì)基本海豚群算法易陷入局部最優(yōu)的缺陷,提出了基于信息熵的改進(jìn)海豚群算法,引入信息熵來度量海豚群搜索階段的不確定性,控制搜索階段的選擇概率,降低盲目搜索,克服了基本海豚群算法搜索階段易陷入局部最優(yōu)和早熟收斂的缺陷。將改進(jìn)后的算法應(yīng)用到桁架結(jié)構(gòu)的優(yōu)化中,并與其他算法優(yōu)化結(jié)果進(jìn)行了比較,證明了改進(jìn)的算法在收斂速度和尋優(yōu)精度方面有更好的表現(xiàn),將其應(yīng)用到桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)中,為結(jié)構(gòu)優(yōu)化設(shè)計(jì)提供了一種有效的方法。 

【文章來源】：重慶大學(xué)學(xué)報(bào). 2019,42(05)北大核心CSCD

【文章頁數(shù)】：10 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)人工蜂群算法和極限學(xué)習(xí)機(jī)的刀具磨損監(jiān)測[J]. 郭一君,周杰,王時(shí)龍,易力力,康玲,高波.  重慶大學(xué)學(xué)報(bào). 2018(06)
[2]遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的泊車位數(shù)量預(yù)測[J]. 張金夢,劉慧君.  重慶大學(xué)學(xué)報(bào). 2018(03)
[3]混沌海豚群優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)威脅評(píng)估[J]. 李衛(wèi)忠,李志鵬,江洋,劉唐.  控制與決策. 2018(11)
[4]海豚群算法（英文）[J]. Tian-qi WU,Min YAO,Jian-hua YANG.  Frontiers of Information Technology & Electronic Engineering. 2016(08)
[5]基于信息熵的改進(jìn)人工蜂群算法[J]. 李彥蒼,彭揚(yáng).  控制與決策. 2015(06)



本文編號(hào)：3534867