針對傳統(tǒng)萬有引力搜索易陷入局部最優(yōu)及搜索精度不高的問題,提出自適應機制的萬有引力搜索算法。在引力系數(shù)計算方面,改進傳統(tǒng)恒定取值方式,設計了非線性衰減機制對引力系數(shù)進行更新;在粒子速度更新方面,引入加速因子到粒子速度更新策略中,利用最優(yōu)粒子位置加速局部開發(fā)過程,加速粒子向著最優(yōu)粒子移動;在粒子位置更新方面,引入一種自適應遞減慣性權重機制實現(xiàn)位置更新,利用動態(tài)的慣性權重調整均衡粒子的搜索與開發(fā)能力。通過對不同策略的組合,形成若干形式萬有引力搜索方法。仿真結果表明,無論是單峰值或多峰值基準函數(shù),新算法在解的質量和尋優(yōu)收斂速度上均表現(xiàn)出更好的性能。 

【文章來源】：新鄉(xiāng)學院學報. 2020,37(06)

【文章頁數(shù)】：5 頁

【部分圖文】：

加速因子

迭代次數(shù)，σstart和σend分別表示慣性權重的初值和尾值，Φf表示積極因子，用于決定適應度fi。自適應萬有引力搜索算法的偽代碼如下：1）在搜索空間中對搜索粒子進行統(tǒng)一初始化；2）未達到最大迭代次數(shù)，則評估所有粒子的適應度值；3）利用式（18）更新引力系數(shù)G（t）；4）利用式（2）計算每個維度上粒子所受吸引力；5）利用式（4）計算每個維度上粒子所受吸引力之和；6）利用式（5）計算粒子的加速度；7）利用式（20）和式（21）更新粒子的速度和位置；8）結束。自適應萬有引力搜索算法流程如圖2所示。3算法評估為了評估自適應萬有引力算法的性能，本節(jié)進行仿真分析�；诒疚脑谌f有引力系數(shù)、粒子速度以及粒子位置上作出的自適應調整策略，評估算法包括：傳統(tǒng)GSA，即式（15）、（6）和（7），定義為15-6-7-GSA；自適應GSA，萬有引力系數(shù)可利用式（16）、（18）調整，粒子速度更新可利用式（19）、（20）調整，粒子位置更新可利用式（21）自適應調整，算法組合為16-19-21-GSA、18-19-21-GSA、16-20-21-GSA、18-20-21-GSA。利用CEC2014［9］中的6種基準函數(shù)，包括Sphere函數(shù)、函數(shù)Griewank函數(shù)和Rotatedá||||ááfxx==Quadric函數(shù)=∑+∏12best(1)()()(()()),dddddiiiigivt+=r×vt+c×at+c×xtxt（20）á()áxtá()()ááxtxt圖1加速因子(1)()(1),dddiiiixt+=w×xt+vt+（21）startámaxmaxend()[()/],iσ=σσ×TtT+σ（22）（23）（24）圖2自適應萬有引力搜索算法流程max1,1exp(/)ifTΦ=+ifiw=Φ×σááfx==∑Ros

【參考文獻】：
期刊論文
[1]基于改進引力搜索算法的K-means聚類[J]. 魏康園,何慶,徐欽帥.  計算機應用研究. 2019(11)
[2]慣性質量衰減的引力搜索算法[J]. 錢偉懿,張麗佳.  沈陽師范大學學報(自然科學版). 2017(02)



本文編號：3626550