本文選題：鯨魚優(yōu)化算法　切入點(diǎn)：隨機(jī)　出處：《科學(xué)技術(shù)與工程》2017年12期

【摘要】：針對(duì)標(biāo)準(zhǔn)鯨魚優(yōu)化算法在處理復(fù)雜優(yōu)化問題時(shí)出現(xiàn)搜索精度低和易出現(xiàn)早熟收斂等缺點(diǎn),提出一種隨機(jī)調(diào)整控制參數(shù)的改進(jìn)鯨魚優(yōu)化算法(EWOA)。受粒子群優(yōu)化算法中慣性權(quán)重的啟發(fā),利用隨機(jī)分布的方式調(diào)整控制參數(shù),以平衡鯨魚優(yōu)化算法的全局搜索和局部搜索能力。對(duì)當(dāng)前最優(yōu)個(gè)體執(zhí)行服從正態(tài)分布的變異擾動(dòng),以避免算法出現(xiàn)早熟收斂現(xiàn)象。此外,采取佳點(diǎn)集方法替代隨機(jī)方法產(chǎn)生初始個(gè)體以提高算法的全局收斂速度。6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)的仿真實(shí)驗(yàn)結(jié)果表明EWOA能有效處理高維復(fù)雜優(yōu)化問題。
[Abstract]:Aiming at the shortcomings of standard whale optimization algorithm in dealing with complex optimization problems, such as low search accuracy and premature convergence, etc. An improved whale optimization algorithm for randomly adjusting control parameters is proposed. Inspired by the inertia weight in particle swarm optimization algorithm, the control parameters are adjusted by means of random distribution. In order to balance the global search and local search ability of the whale optimization algorithm, the mutation disturbance of the current optimal individual is executed from normal distribution to avoid premature convergence of the algorithm. In order to improve the global convergence rate of the algorithm, the optimal point set method is used instead of the random method to generate the initial individuals. The simulation results of six standard test functions show that EWOA can effectively deal with the complex optimization problems of high dimension.
【作者單位】： 廣西外國(guó)語學(xué)院信息工程學(xué)院;貴州財(cái)經(jīng)大學(xué)貴州省經(jīng)濟(jì)系統(tǒng)仿真重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(61463009)資助
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀前華,韋崗,陸以勤;基因算法研究進(jìn)展[J];電子學(xué)報(bào);1998年10期

2 羅景峰;;基于可變模糊方法的智能算法求解效果評(píng)價(jià)[J];北京聯(lián)合大學(xué)學(xué)報(bào);2013年04期

3 朱曉明;雷李輝;席文明;;自動(dòng)化生物操作算法理論與軟件集成[J];機(jī)械科學(xué)與技術(shù);2012年03期

4 王瑛岐;崔志華;譚瑛;;基于情感強(qiáng)度定律的社會(huì)情感優(yōu)化算法[J];太原科技大學(xué)學(xué)報(bào);2012年04期

5 倪慶劍;邢漢承;張志政;王蓁蓁;文巨峰;;粒子群優(yōu)化算法研究進(jìn)展[J];模式識(shí)別與人工智能;2007年03期

6 劉建華;黃添強(qiáng);嚴(yán)曉明;;融合PSO算法思想的進(jìn)化算法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2010年05期

7 王宇;張文芳;;誤差漸減在線序列ELM算法[J];咸陽師范學(xué)院學(xué)報(bào);2014年02期

8 曹一家,程時(shí)杰;進(jìn)化算法在工程應(yīng)用中的若干實(shí)用技術(shù)[J];電力系統(tǒng)自動(dòng)化;2001年01期

9 汪德馨,王宇川,陸劫平,馬瑞娥;基于模糊推理的自適應(yīng)BP算法[J];系統(tǒng)工程學(xué)報(bào);1997年01期

10 盛孟龍;賀興時(shí);丁文靜;;蝙蝠算法的全局收斂性分析[J];紡織高�；A(chǔ)科學(xué)學(xué)報(bào);2013年04期

相關(guān)博士學(xué)位論文 前4條

1 高衛(wèi)峰;人工蜂群算法及其應(yīng)用的研究[D];西安電子科技大學(xué);2013年

2 張捷;進(jìn)化算法及智能數(shù)據(jù)挖掘若干問題研究[D];西安電子科技大學(xué);2013年

3 程世娟;改進(jìn)蟻群算法及其在結(jié)構(gòu)系統(tǒng)可靠性優(yōu)化中的應(yīng)用[D];西南交通大學(xué);2009年

4 楊振宇;基于自然計(jì)算的實(shí)值優(yōu)化算法與應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 牛麗娟;基于Gossip算法的無線傳感器網(wǎng)絡(luò)分布式參數(shù)場(chǎng)估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

2 胡婷婷;螢火蟲算法的理論分析及應(yīng)用研究[D];西安工程大學(xué);2015年

3 馬萌萌;基于深度學(xué)習(xí)的極限學(xué)習(xí)機(jī)算法研究[D];中國(guó)海洋大學(xué);2015年

4 高延慶;基于多商品流的網(wǎng)絡(luò)能耗模型與智能算法研究[D];山東大學(xué);2016年

5 龐閃閃;螢火蟲群優(yōu)化算法的改進(jìn)及應(yīng)用[D];合肥工業(yè)大學(xué);2016年

6 王舒卓;并行蟻群算法的研究[D];東北大學(xué);2013年

7 唐勇;深度廣度結(jié)合的GEP算法研究及應(yīng)用[D];長(zhǎng)沙理工大學(xué);2015年

8 徐自勉;基于樹木枝梢生長(zhǎng)分枝過程的仿生計(jì)算算法[D];江西理工大學(xué);2016年

9 張惠萍;基于蟻群算法的數(shù)據(jù)分類方法研究[D];山西大學(xué);2008年

10 孟巖;連續(xù)空間蟻群算法研究及在工業(yè)過程控制中的應(yīng)用[D];山東師范大學(xué);2009年

，

本文編號(hào)：1661211