集體決策優(yōu)化算法(collective decision optimization algorithm, CDOA)是一種基于種群的進(jìn)化算法。該算法具有收斂速度快的特點(diǎn),但同時(shí)算法易陷入局部最優(yōu)。針對(duì)這一缺陷,提出了一種自適應(yīng)變異策略的集體決策優(yōu)化算法(adaptive collective decision optimization algorithm, ACDOA)。其中,自適應(yīng)變異策略是在每一個(gè)個(gè)體變異的過(guò)程中根據(jù)一定的概率自適應(yīng)的在2個(gè)不同功能的變異算子中選擇1個(gè)變異算子進(jìn)行變異,該變異策略使得迭代前期算法能盡可能多的選擇多樣性強(qiáng)的變異算子進(jìn)行變異,而在迭代后期算法能盡可能多的選擇局部搜索能力強(qiáng)的算子進(jìn)行變異以確保個(gè)體快速、穩(wěn)定的向最優(yōu)值靠近。利用3個(gè)經(jīng)典的測(cè)試函數(shù)對(duì)算法進(jìn)行了仿真試驗(yàn),結(jié)果表明, ACDOA與CDOA相比有更快的收斂速度和更大的種群多樣性,同時(shí)也保留了原算法良好的局部搜索能力。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖１３個(gè)函數(shù)收斂圖

２．６８５２×１０－９３．０６９３ｅ×１０－８Ｓｃｈｗｅｆｅｌ４．２３０８１０．８３１３１．３６０９９．１９１３圖１３個(gè)函數(shù)收斂圖表１中，Ｓｐｈｅｒｅ函數(shù)為單峰函數(shù)，不存在局部最優(yōu)解；其余函數(shù)均為多峰函數(shù)，存在較多局部最優(yōu)解；３個(gè)函數(shù)的最優(yōu)值均在零點(diǎn)處。表２中，通過(guò)３個(gè)函數(shù)尋優(yōu)的....

本文編號(hào)：3895055