針對(duì)引力搜索算法存在的易早熟收斂、易陷入局部最優(yōu)、搜索精度有待提高等缺陷,提出一種混合方法優(yōu)化的自適應(yīng)引力搜索算法（gravitational search algorithm,GSA）。首先利用Sobol序列初始化種群,增強(qiáng)算法全局搜索能力;其次引入Hamming貼進(jìn)度計(jì)算種群成熟度,判斷種群是否早熟;然后引入Logistic混沌對(duì)種群作混沌搜索,變異已陷入局部最優(yōu)的粒子位置;最后基于早熟收斂判斷因子改進(jìn)引力系數(shù),并為粒子位置公式添加收縮因子,促使種群加快脫離局部最優(yōu)。對(duì)9個(gè)不同類型的基準(zhǔn)測(cè)試函數(shù)做仿真實(shí)驗(yàn),結(jié)果表明新算法能有效改善種群的早熟問(wèn)題,具備更好的尋優(yōu)性能。 

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
0 引言
1 GSA
2 HMAGSA
    2.1 基于Sobol序列的種群初始化
    2.2 早熟收斂判斷因子
    2.3 引力系數(shù)自適應(yīng)調(diào)整
    2.4 粒子位置更新策略
    2.5 Logistic混沌及其在算法中的應(yīng)用
    2.6 算法流程
3 實(shí)驗(yàn)驗(yàn)證
    3.1 基準(zhǔn)函數(shù)測(cè)試
    3.2 參數(shù)分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]Tent混沌和模擬退火改進(jìn)的飛蛾撲火優(yōu)化算法[J]. 岳龍飛,楊任農(nóng),張一杰,于洋,張振興.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(05)
[2]一種改進(jìn)的灰狼優(yōu)化算法[J]. 龍文,蔡紹洪,焦建軍,伍鐵斌.  電子學(xué)報(bào). 2019(01)
[3]一種群體智能算法——獅群算法[J]. 劉生建,楊艷,周永權(quán).  模式識(shí)別與人工智能. 2018(05)
[4]基于改進(jìn)人工蜂群算法的MIMO雷達(dá)稀疏陣列優(yōu)化[J]. 龐育才,劉松.  系統(tǒng)工程與電子技術(shù). 2018(05)
[5]物種生滅算法[J]. 楊永建,禚真福,黃柏儒,樊曉光,鄧有為,王彪.  系統(tǒng)工程與電子技術(shù). 2018(04)

碩士論文
[1]新的區(qū)間值模糊集相似度量研究[D]. 李敏莎.華中科技大學(xué) 2018



本文編號(hào)：3731315