為提高對多種不同類型問題的優(yōu)化性能,提出了一種基于和聲搜索和教與學優(yōu)化的混合優(yōu)化算法(HHSTL)。在不同的進化階段,HHSTL算法依據種群活躍率及種群最優(yōu)個體更新率動態(tài)地確定和聲算法或教與學算法作為下一周期種群更新方式的比例,并在標準教與學算法中增加了"自學"策略來提高算法的全局尋優(yōu)能力。對16個不同類型的Benchmark函數進行仿真,并與七種優(yōu)秀算法進行結果比較及Wilcoxon秩和檢驗分析,結果表明HHSTL算法汲取了和聲搜索和教與學優(yōu)化算法的優(yōu)點,具有求解精度高、穩(wěn)定性好等特點,能夠求解更多的較為復雜的優(yōu)化問題。

【文章頁數】：6 頁

【文章目錄】：
1 和聲搜索算法
    1.1 標準和聲搜索算法
    1.2 改進的和聲算法
2 教與學優(yōu)化算法
    2.1 標準的教與學優(yōu)化算法
    2.2 教與學優(yōu)化算法的改進
3 和聲—教與學混合優(yōu)化算法
    3.1 動態(tài)選擇策略
    3.2 算法流程
4 實驗仿真測試
    4.1 實驗環(huán)境與參數設置
    4.2 實驗結果與分析
    4.3 選擇周期T的分析
    4.4 動態(tài)選擇策略分析
5 結束語



本文編號：3980912