針對(duì)蝙蝠算法現(xiàn)存的缺點(diǎn),如收斂速度慢、優(yōu)化精確度低、早熟,提出一種基于遺傳擾動(dòng)機(jī)制的改進(jìn)蝙蝠算法(GDBA).該優(yōu)化算法引入了遺傳競(jìng)爭(zhēng)機(jī)制,通過比較與全局最優(yōu)解的差異,隨時(shí)調(diào)整遺傳算法的交叉率和變異率,使得種群具有遺傳性和多樣性,解決了蝙蝠算法早熟的問題,同時(shí)加快了收斂速度,提高了優(yōu)化精度.采用基準(zhǔn)測(cè)試函數(shù)進(jìn)行仿真驗(yàn)證,實(shí)驗(yàn)結(jié)果表明:與蝙蝠算法(BA)和基于速度權(quán)重?cái)_動(dòng)機(jī)制的改進(jìn)蝙蝠算法(WDBA)相比,該算法(GDBA)具有更好的收斂速度和搜索精度,加強(qiáng)了尋找全局最優(yōu)解的能力.

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖１遺傳擾動(dòng)機(jī)制流程圖Ｆｉｇ．１Ｆｌｏｗ－ｃｈａｒｔｏｆｇｅｎｅｔｉｃｄｉｓｔｕｒｂａｎｃｅｍｅｃｈａｎｉｓｍ

ｅｐ２將蝙蝠個(gè)體作為父本，按照交叉率和變異率調(diào)整策略分別完成選擇、交叉、變異過程，產(chǎn)生子代，再將子代代入目標(biāo)函數(shù)，計(jì)算出它們的適應(yīng)度值，記為ｆｉｔ２（Ｘｉ）．Ｓｔｅｐ３比較適應(yīng)度值ｆｉｔ１（Ｘｉ）和ｆｉｔ２（Ｘｉ），選取最小的適應(yīng)度值并記為ｆｉｔｎｅｗ（Ｘｉ），將最小適應(yīng)度值ｆｉ....

圖２Ｚａｋｈａｒｏｖ函數(shù)適應(yīng)度變化曲線Ｆｉｇ．２ＥｖｏｌｕｔｉｏｎｃｕｒｖｅｓｏｆＺａｋｈａｒｏｖｆｕｎｃｔｉｏｎｆｉｔｎｅｓｓ

為｛ｘ｜－１０≤ｘ≤１０｝，并且在（０，０，…，０）取得全局最優(yōu)值ｆｍｉｎ（ｘ）＝０．３．３仿真結(jié)果分析３．３．１基準(zhǔn)函數(shù)的尋優(yōu)測(cè)試結(jié)果分析針對(duì)本文提出的基于遺傳擾動(dòng)機(jī)制的改進(jìn)蝙蝠算法（ＧＤＢＡ）進(jìn)行驗(yàn)證．以適應(yīng)度曲線為輸出對(duì)象，以上述常規(guī)算法基準(zhǔn)測(cè)試函數(shù)為模型，分別運(yùn)用ＢＡ算法....

圖３Ｓａｌｏｍｏｎ函數(shù)適應(yīng)度變化曲線Ｆｉｇ．３ＥｖｏｌｕｔｉｏｎｃｕｒｖｅｓｏｆＳａｌｏｍｏｎｆｕｎｃｔｉｏｎｆｉｔｎｅｓｓ

３．３．１基準(zhǔn)函數(shù)的尋優(yōu)測(cè)試結(jié)果分析針對(duì)本文提出的基于遺傳擾動(dòng)機(jī)制的改進(jìn)蝙蝠算法（ＧＤＢＡ）進(jìn)行驗(yàn)證．以適應(yīng)度曲線為輸出對(duì)象，以上述常規(guī)算法基準(zhǔn)測(cè)試函數(shù)為模型，分別運(yùn)用ＢＡ算法［８］、ＷＤＢＡ算法［７］、ＰＳＯ算法［１］、ＧＡ算法［４］和ＧＤＢＡ算法進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖２～....

圖４Ｓｐｈｅｒｅ函數(shù)適應(yīng)度變化曲線Ｆｉｇ．４ＥｖｏｌｕｔｉｏｎｃｕｒｖｅｓｏｆＳｐｈｅｒｅｆｕｎｃｔｉｏｎｆｉｔｎｅｓｓ

輸出對(duì)象，以上述常規(guī)算法基準(zhǔn)測(cè)試函數(shù)為模型，分別運(yùn)用ＢＡ算法［８］、ＷＤＢＡ算法［７］、ＰＳＯ算法［１］、ＧＡ算法［４］和ＧＤＢＡ算法進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖２～５所示．圖２Ｚａｋｈａｒｏｖ函數(shù)適應(yīng)度變化曲線Ｆｉｇ．２ＥｖｏｌｕｔｉｏｎｃｕｒｖｅｓｏｆＺａｋｈａｒｏｖｆｕｎｃｔ....

本文編號(hào)：3897341