本文關(guān)鍵詞：具有自學(xué)習(xí)能力的變異蝙蝠優(yōu)化算法及性能仿真　出處：《系統(tǒng)仿真學(xué)報》2017年02期 　論文類型：期刊論文

  更多相關(guān)文章： 蝙蝠算法 自學(xué)習(xí)策略 變異選擇 尋優(yōu)精度 多維函數(shù)優(yōu)化

【摘要】：針對標(biāo)準(zhǔn)蝙蝠算法進化特點,提出了具有自學(xué)習(xí)能力和個體變異的蝙蝠優(yōu)化算法,該算法中全局最優(yōu)個體具有自學(xué)習(xí)能力,使全局最優(yōu)解在小范圍內(nèi)進行自我優(yōu)化,能夠引導(dǎo)算法中個體進行深度搜索;同時算法中每個個體動態(tài)的成比例形成變異群,依據(jù)貪婪選擇機制,保護了優(yōu)良個體,避免個體退化。通過以上算子的融入來提高算法的優(yōu)化精度和收斂速度,避免算法早熟。通過對基本標(biāo)準(zhǔn)函數(shù)的測試,驗證了算法具有尋優(yōu)能力強,搜索精度高的優(yōu)點,能有效的跳出局部最優(yōu),一定程度上彌補了算法高維弱勢的缺陷,對于工程中復(fù)雜的優(yōu)化函數(shù)有較大的使用價值。
[Abstract]:According to the standard of bat algorithm evolution characteristics is put forward with the bat algorithm self-learning ability and individual variation, the algorithm of the global best individual has the ability of self-learning, the global optimal solution of self optimization in a small range, which can guide the individual search algorithm in depth; at the same time in the algorithm of each individual is proportional to the formation of dynamic variation the group, according to the greedy selection mechanism, the protection of excellent individuals, avoid the individual degradation. To improve the optimization accuracy and convergence speed of the algorithm through the integration of the above operators, avoids premature convergence. Based on the basic standard function tests show that the algorithm has good optimization ability, has the advantages of high search precision, can effectively jump out of local optimal, a certain extent make up for the defects of algorithm of high dimensional weak, has a greater value for the optimization of complex function in engineering practice.

【作者單位】： 杭州電子科技大學(xué)通信工程學(xué)院;杭州電子科技大學(xué)電子信息學(xué)院;
【基金】：浙江省自然科學(xué)基金青年基金(LQ13F 010010) 浙江省重點科技創(chuàng)新團隊(2013TD03)
【分類號】：TP18
【正文快照】： 引言1在工程技術(shù)、經(jīng)濟管理等諸多領(lǐng)域中,由于實際工程問題的復(fù)雜性,大量的優(yōu)化問題很難通過傳統(tǒng)的優(yōu)化方法來解決。近年來,一類基于生物群體性智能行為的智能優(yōu)化算法,如粒子群算法[1]、蜂群算法[2]、螢火蟲算法[3]等,由于不依賴問題的梯度信息,且具有跳出局部極值點的潛在能

【參考文獻】

相關(guān)期刊論文 前8條

1 寧彬;谷瓊;吳釗;袁磊;胡春陽;;基于膜計算的蝙蝠算法在云計算資源調(diào)度的研究[J];計算機應(yīng)用研究;2015年03期

2 盛孟龍;賀興時;王慧敏;;一種改進的自適應(yīng)變異蝙蝠算法[J];計算機技術(shù)與發(fā)展;2014年10期

3 肖輝輝;段艷明;;基于DE算法改進的蝙蝠算法的研究及應(yīng)用[J];計算機仿真;2014年01期

4 謝健;周永權(quán);陳歡;;一種基于Lévy飛行軌跡的蝙蝠算法[J];模式識別與人工智能;2013年09期

5 張宇楠;劉付永;;一種改進的變步長自適應(yīng)蝙蝠算法及其應(yīng)用[J];廣西民族大學(xué)學(xué)報(自然科學(xué)版);2013年02期

6 劉長平;葉春明;;具有混沌搜索策略的蝙蝠優(yōu)化算法及性能仿真[J];系統(tǒng)仿真學(xué)報;2013年06期

7 盛曉華;葉春明;;蝙蝠算法在PFSP調(diào)度問題中的應(yīng)用研究[J];工業(yè)工程;2013年01期

8 李枝勇;馬良;張惠珍;;遺傳變異蝙蝠算法在0-1背包問題上的應(yīng)用[J];計算機工程與應(yīng)用;2014年11期

【共引文獻】

相關(guān)期刊論文 前10條

1 黃培東;詹紅霞;彭光斌;陳一懷;;分時電價下考慮源網(wǎng)荷各側(cè)收益的風(fēng)電消納模型[J];電測與儀表;2017年07期

2 陸暢;武振宇;胡軍臺;付曉;;基于定子電壓定向的自適應(yīng)控制在電網(wǎng)故障下雙饋異步發(fā)電機的優(yōu)化運行策略[J];電機與控制應(yīng)用;2017年04期

3 蘭天一;林輝;張克軍;;石英燈輻射式氣動熱實驗的分?jǐn)?shù)階迭代學(xué)習(xí)控制策略[J];西北工業(yè)大學(xué)學(xué)報;2017年01期

4 劉帥;劉長良;;基于帝國競爭算法的主汽溫控制系統(tǒng)參數(shù)優(yōu)化研究[J];系統(tǒng)仿真學(xué)報;2017年02期

5 田中大;李樹江;王艷紅;;基于隱式PIGPC的火電廠主汽溫系統(tǒng)控制[J];系統(tǒng)仿真學(xué)報;2017年02期

6 胡，

本文編號：1386699