本文關鍵詞：最優(yōu)小波轉(zhuǎn)移的逆向果蠅優(yōu)化算法　出處：《微電子學與計算機》2017年12期 　論文類型：期刊論文

  更多相關文章： 果蠅優(yōu)化算法 小波轉(zhuǎn)移 逆向轉(zhuǎn)移 局部最優(yōu)

【摘要】：針對果蠅優(yōu)化算法在優(yōu)化復雜高維問題易陷入局部最優(yōu),從而導致收斂速度慢,尋優(yōu)精度較低的問題,提出一種最優(yōu)小波轉(zhuǎn)移的逆向果蠅優(yōu)化算法.鑒于果蠅優(yōu)化算法只向種群最優(yōu)個體聚攏的算法局限性,增加了小波轉(zhuǎn)移的逃逸機制以保證迭代方向選擇的正確性.在種群多樣性較低時對群體進行逆向小波轉(zhuǎn)移,指引種群從局部限制逃離向全局最優(yōu)解處收斂.通過仿真實驗測試,新算法可以有效保持種群正確的進化方向、有效抑制算法陷入局部最優(yōu)并具有良好的優(yōu)化性能.
[Abstract]:Drosophila optimization algorithm is easy to fall into local optimum in the optimization of complex high dimensional problem, which leads to slow convergence rate and low precision. In this paper, an optimal wavelet transform inverse Drosophila optimization algorithm is proposed. Due to the limitation of Drosophila optimization algorithm, it only converges to the optimal individuals of the population. The escape mechanism of wavelet transfer is added to ensure the correctness of iterative direction selection. When population diversity is low, the population is transferred by inverse wavelet transform. The guided population converges from local restriction escape to global optimal solution. Through simulation experiments, the new algorithm can effectively maintain the correct evolution direction of the population. The effective suppression algorithm falls into local optimum and has good optimization performance.
【作者單位】： 江西理工大學信息工程學院;
【基金】：國家自然科學基金(11461031)
【分類號】：TP18
【正文快照】： 1引言優(yōu)化問題是一項在各個科學領域都不可避免的重要問題.隨著現(xiàn)代計算理論復雜化,傳統(tǒng)的優(yōu)化技術難以有效地處理相關問題.群體智能算法中遺傳算法,粒子群算法被提出且已廣泛應用于各工程科學領域.果蠅優(yōu)化算法是一種新型的群智能全局優(yōu)化算法[1-2],其簡單易懂的代碼以及高效

【相似文獻】

相關期刊論文 前10條

1 石一輝;易攀;張承學;;快速開方算法在微控制器上的實現(xiàn)[J];計算機技術與發(fā)展;2007年04期

2 劉劍;陳建;鄔連學;;一種數(shù)字PID控制算法分析[J];承德石油高等專科學校學報;2007年03期

3 杜衛(wèi)林;李斌;田宇;;量子退火算法研究進展[J];計算機研究與發(fā)展;2008年09期

4 張元良;楊巍巍;劉青;程鵬;;蟻群算法在路徑規(guī)劃中的應用[J];數(shù)字技術與應用;2013年05期

5 葉寧;分階搜索法對雪爾維斯特問題的算法分析[J];現(xiàn)代計算機(專業(yè)版);2001年10期

6 林志毅;李元香;王玲玲;;基于混合遷移行為的自組織遷移算法[J];計算機科學;2008年12期

7 張曉明;王儒敬;宋良圖;;一種新的進化算法——種子優(yōu)化算法[J];模式識別與人工智能;2008年05期

8 蔡尯;李春生;;高維小采樣數(shù)據(jù)集的貝葉斯網(wǎng)絡結構學習算法[J];齊齊哈爾大學學報(自然科學版);2012年04期

9 譚浪;任慶生;;智能目標穿越傳感區(qū)域的改進算法[J];計算機仿真;2007年08期

10 劉學東，，賈玉林，孔昊;相關算法中跟蹤穩(wěn)定性問題的研究[J];紅外與激光工程;1998年01期

相關會議論文 前4條

1 劉遠新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺下物流運輸配送系統(tǒng)算法分析[A];第二十六屆中國控制會議論文集[C];2007年

2 謝樝;汪國皓;;WSN中一種基于分簇的多跳相對定位算法[A];2007'儀表，自動化及先進集成技術大會論文集（二）[C];2007年

3 高炳巖;劉悅;;基于熵權的改進ISODATA聚類算法的研究[A];內(nèi)容計算的研究與應用前沿——第九屆全國計算語言學學術會議論文集[C];2007年

4 謝樝;鄧林;任廷;洪艷;;一種基于LEACH的改進路由算法[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（下冊）[C];2008年

相關博士學位論文 前9條

1 張敏霞;生物地理學優(yōu)化算法及其在應急交通規(guī)劃中的應用研究[D];浙江工業(yè)大學;2015年

2 卜晨陽;演化約束優(yōu)化及演化動態(tài)優(yōu)化求解算法研究[D];中國科學技術大學;2017年

3 劉新旺;多核學習算法研究[D];國防科學技術大學;2013年

4 曾國強;改進的極值優(yōu)化算法及其在組合優(yōu)化問題中的應用研究[D];浙江大學;2011年

5 王維博;粒子群優(yōu)化算法研究及其應用[D];西南交通大學;2012年

6 林川;粒子群優(yōu)化與差分進化算法研究及其應用[D];西南交通大學;2009年

7 盛歆漪;粒子群優(yōu)化算法及其應用研究[D];江南大學;2015年

8 張宇山;進化算法的收斂性與時間復雜度分析的若干研究[D];華南理工大學;2013年

9 謝剛;免疫思維進化算法及其工程應用[D];太原理工大學;2006年

相關碩士學位論文 前10條

1 黃廈;基于改進蟻群算法的柔性作業(yè)車間調(diào)度問題研究[D];昆明理工大學;2015年

2 徐翔燕;人工魚群優(yōu)化算法及其應用研究[D];西南交通大學;2015年

3 安豐洋;基于無線網(wǎng)絡的廣播算法研究[D];曲阜師范大學;2015年

4 霍艷麗;面向路徑規(guī)劃的多策略和變異算子蟻群算法研究[D];南昌大學;2015年

5 白瑞;分布估計算法研究與應用[D];新疆大學;2015年

6 邵娜娜;蟻群算法求解最大團問題研究與應用[D];河北工業(yè)大學;2015年

7 王創(chuàng)業(yè);基于進化算法的電力經(jīng)濟調(diào)度優(yōu)化研究[D];華北電力大學;2015年

8 趙鴻楠;基于蜂群算法的云計算負載均衡問題研究[D];哈爾濱工業(yè)大學;2014年

9 楊鵬程;改進的人工蜂群算法在無線傳感器部署問題上的應用與研究[D];南京大學;2015年

10 張影影;基于群智能優(yōu)化技術的無線傳感網(wǎng)分簇路由算法研究[D];南京郵電大學;2015年

本文編號：1405409