針對現有算法在大空間和高維度尋優(yōu)存在效率較低的問題,提出一種區(qū)間長度可變的反向混沌優(yōu)化算法,并證明了該算法以概率1收斂于全局最優(yōu)解.算法采用區(qū)間長度可變的反向優(yōu)化策略,利用反向優(yōu)化方法增大算法進化過程的多樣性,使優(yōu)化的變量區(qū)間不斷減小.同時,提出基于Fuch混沌映射的反向混沌優(yōu)化策略增大算法逃逸局部極值的能力,以及兩級優(yōu)化策略提高算法執(zhí)行后期的尋優(yōu)精度.通過22個基準函數測試結果表明,本文提出的算法與改進的混沌優(yōu)化算法以及其他智能優(yōu)化算法相比,其搜索的綜合性能要優(yōu)于其他算法. 

【文章來源】：電子學報. 2019,47(01)北大核心EICSCD

【文章頁數】：9 頁

【文章目錄】：
1 引言
2 區(qū)間長度可變的反向混沌優(yōu)化算法 (VILOC)
    2.1 區(qū)間長度可變的反向優(yōu)化策略
    2.2 基于Fuch映射的反向混沌優(yōu)化策略
    2.3 兩級搜索策略
3 VILOC算法實現
4 VILOC算法收斂性分析
5 仿真實驗分析
    5.1 測試函數及設置
    5.2 VILOC算法仿真結果
    5.3 與其他改進算法比較
6 結論


【參考文獻】：
期刊論文
[1]自適應折疊混沌優(yōu)化方法[J]. 傅文淵,凌朝東.  西安交通大學學報. 2013(02)



本文編號：3550667