發(fā)布時間：2018-04-08 14:11

  本文選題：果蠅優(yōu)化算法　切入點：搜索果蠅　出處：《浙江大學(xué)學(xué)報(工學(xué)版)》2017年11期

【摘要】：針對傳統(tǒng)果蠅優(yōu)化算法面臨的搜索半徑依賴性大、收斂穩(wěn)定性差、難以協(xié)調(diào)全局搜索能力及局部搜索能力等問題,提出基于雙子群和分區(qū)采樣的果蠅優(yōu)化新算法.將果蠅種群劃分為搜索果蠅子群和跟隨果蠅子群并分別使用這2個子群進行全局化搜索與局部精細(xì)化搜索;在每次迭代過程中利用基于分區(qū)采樣的搜索果蠅位置更新策略,提高算法全局搜索的穩(wěn)定性;定義了群體聚集度的概念并將其用于協(xié)調(diào)果蠅的全局搜索能力和局部搜索能力.針對6種典型函數(shù)及工業(yè)控制系統(tǒng)的測試結(jié)果表明,該算法收斂精度高、穩(wěn)定性好、收斂速度快,與傳統(tǒng)算法相比,表現(xiàn)出明顯優(yōu)勢.
[Abstract]:In view of the traditional fruit fly optimization search algorithm radius face dependent convergence, poor stability, it is difficult to balance the global search ability and local search ability, put forward a new optimization algorithm of Gemini group Drosophila and partition based on sampling. The population is divided into fruit fly Drosophila search group and follow the fruit flies which were used in this group of 2 subgroups global search and local search refinement; use partition sampling location update strategy based on Drosophila search in each iteration, enhance the stability of the global search algorithm; defines the concept of the degree of aggregation and for the coordination of the global search ability of Drosophila and the ability of local search. The test results for 6 kinds of typical function and industrial control the system shows that the algorithm has high convergence precision, good stability, fast convergence speed, compared with the traditional algorithm, showing obvious advantages.

【作者單位】： 中央財經(jīng)大學(xué)信息學(xué)院;天津財經(jīng)大學(xué)理工學(xué)院;
【基金】：北京市自然科學(xué)基金資助項目(4174105) 中央財經(jīng)大學(xué)學(xué)科建設(shè)基金資助項目(2016XX02)
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何清;翟建仁;;Fuzzy群[J];河北機電學(xué)院學(xué)報;1993年03期

2 黃凱鋒;李莉;李永亮;;多種群粒子群與人工蜂群融合的改進算法[J];計算機工程與設(shè)計;2014年06期

3 李鋒;;粒子群離散算法在無線傳感網(wǎng)絡(luò)中的應(yīng)用[J];微型機與應(yīng)用;2014年12期

4 楊書Oz;舒勤;何川;;基于云模型改進的粒子群K均值聚類算法[J];現(xiàn)代計算機(專業(yè)版);2014年10期

5 李愛國;多粒子群協(xié)同優(yōu)化算法[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年05期

6 王偉;李枚毅;彭霞丹;;一種雙層可變子群的動態(tài)粒子群優(yōu)化算法[J];小型微型計算機系統(tǒng);2012年01期

7 焦巍;劉光斌;;一種新的雙子群PSO算法[J];計算機工程;2009年16期

8 張洪波;;多種群粒子群分層進化優(yōu)化算法[J];中國科技信息;2010年08期

9 朱俚治;;一種基于粒子群的變形病毒檢測算法[J];信息安全與技術(shù);2014年08期

10 焦巍;劉光斌;;動態(tài)環(huán)境下的雙子群PSO算法[J];控制與決策;2009年07期

相關(guān)博士學(xué)位論文 前2條

1 常彥偉;縱向參數(shù)多子群粒子群算法的研究與應(yīng)用[D];中國礦業(yè)大學(xué);2009年

2 王可心;大規(guī)模過程系統(tǒng)非線性優(yōu)化的簡約空間理論與算法研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 徐桓;基于量子粒子群的Agent聯(lián)盟生成問題研究與應(yīng)用[D];云南師范大學(xué);2015年

2 趙鵬旭;基于粒子群的群智能理論在系統(tǒng)優(yōu)化中的應(yīng)用研究[D];華北電力大學(xué);2015年

3 胡麗芳;基于動態(tài)線性步長的雙子群果蠅優(yōu)化算法及其應(yīng)用[D];安徽大學(xué);2016年

4 關(guān)鶴童;基于混沌粒子群雞群融合優(yōu)化算法的云任務(wù)調(diào)度應(yīng)用與實現(xiàn)[D];吉林大學(xué);2016年

5 許國燕;基于改進量子粒子群的WSN網(wǎng)絡(luò)覆蓋優(yōu)化研究[D];蘭州交通大學(xué);2016年

6 楊悅;粒子群及其改進在微震速度模型校正應(yīng)用的數(shù)值模擬研究[D];中國科學(xué)技術(shù)大學(xué);2015年

7 張同新;多目標(biāo)子群發(fā)現(xiàn)算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

8 劉楚群;基于混沌粒子群的射頻天線自適應(yīng)阻抗匹配[D];湖南大學(xué);2014年

9 馬英鈞;基于人工蜂群算法的約束優(yōu)化問題研究[D];華中師范大學(xué);2015年

10 孫方亮;基于粒子群與中心引力的一種新混合算法及應(yīng)用[D];西安電子科技大學(xué);2014年

，

本文編號：1721961