集體決策優(yōu)化算法(collective decision optimization algorithm, CDOA)是一種基于種群的進化算法。該算法具有收斂速度快的特點,但同時算法易陷入局部最優(yōu)。針對這一缺陷,提出了一種自適應變異策略的集體決策優(yōu)化算法(adaptive collective decision optimization algorithm, ACDOA)。其中,自適應變異策略是在每一個個體變異的過程中根據(jù)一定的概率自適應的在2個不同功能的變異算子中選擇1個變異算子進行變異,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的變異算子進行變異,而在迭代后期算法能盡可能多的選擇局部搜索能力強的算子進行變異以確保個體快速、穩(wěn)定的向最優(yōu)值靠近。利用3個經典的測試函數(shù)對算法進行了仿真試驗,結果表明, ACDOA與CDOA相比有更快的收斂速度和更大的種群多樣性,同時也保留了原算法良好的局部搜索能力。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖１３個函數(shù)收斂圖

２．６８５２×１０－９３．０６９３ｅ×１０－８Ｓｃｈｗｅｆｅｌ４．２３０８１０．８３１３１．３６０９９．１９１３圖１３個函數(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個函數(shù)的最優(yōu)值均在零點處。表２中，通過３個函數(shù)尋優(yōu)的....

本文編號：3895055