發(fā)布時(shí)間：2018-04-26 17:26

  本文選題：果蠅優(yōu)化算法 + 柯西變異�。� 參考：《微電子學(xué)與計(jì)算機(jī)》2017年11期

【摘要】：針對(duì)果蠅優(yōu)化算法在尋優(yōu)過程中易陷入局部極值點(diǎn)的不足,提出一種基于柯西變異的果蠅優(yōu)化算法.當(dāng)算法陷入局部最優(yōu)時(shí)采用柯西變異策略,更新果蠅群體位置,使算法繼續(xù)迭代尋找全局極值.通過六個(gè)基準(zhǔn)函數(shù)對(duì)算法性能進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明基于柯西變異的果蠅優(yōu)化算法在收斂速度和收斂精度都有較大提高.
[Abstract]:A fruit fly optimization algorithm based on Cauchy mutation is proposed to solve the problem that Drosophila optimization algorithm is easy to fall into local extremum in the process of optimization. When the algorithm falls into local optimum, Cauchy mutation strategy is used to update the population position of Drosophila melanogaster, so that the algorithm can continue to search for global extremum iteratively. The performance of the algorithm is tested by six benchmark functions. The experimental results show that the algorithm based on Cauchy mutation can improve the convergence speed and precision greatly.
【作者單位】： 長(zhǎng)春工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;吉林財(cái)經(jīng)大學(xué)管理科學(xué)與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61202306,61472049)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 任慶生,葉中行,曾進(jìn);進(jìn)化算法的收斂速度[J];上海交通大學(xué)學(xué)報(bào);1999年06期

2 齊潔;汪定偉;;極值優(yōu)化算法綜述[J];控制與決策;2007年10期

3 孫騫;張進(jìn);王宇翔;;蟻群算法優(yōu)化策略綜述[J];信息安全與技術(shù);2014年02期

4 胡娟,王常青,韓偉,全智;蟻群算法及其實(shí)現(xiàn)方法研究[J];計(jì)算機(jī)仿真;2004年07期

5 李金漢;杜德生;;一種改進(jìn)蟻群算法的仿真研究[J];自動(dòng)化技術(shù)與應(yīng)用;2008年02期

6 李修琳;魯建廈;柴國(guó)鐘;湯洪濤;;混合蜂群算法求解柔性作業(yè)車間調(diào)度問題[J];計(jì)算機(jī)集成制造系統(tǒng);2011年07期

7 秦全德;程適;李麗;史玉回;;人工蜂群算法研究綜述[J];智能系統(tǒng)學(xué)報(bào);2014年02期

相關(guān)博士學(xué)位論文 前1條

1 王可心;大規(guī)模過程系統(tǒng)非線性優(yōu)化的簡(jiǎn)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 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

2 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

3 張德祥;基于改進(jìn)蟻群算法的機(jī)器人三維路徑規(guī)劃研究[D];青島科技大學(xué);2015年

4 張申利;基于蜂群算法的GIS優(yōu)化選址及其并行化研究與應(yīng)用[D];中國(guó)石油大學(xué)(華東);2014年

5 盧協(xié)平;聯(lián)盟競(jìng)賽算法的研究與應(yīng)用[D];福州大學(xué);2014年

6 代水芹;基于種群分解的進(jìn)化超多目標(biāo)算法及其應(yīng)用[D];廣東工業(yè)大學(xué);2016年

7 李倩;支持張量機(jī)的切平面算法研究[D];華南理工大學(xué);2016年

8 姚洪曼;基于改進(jìn)人工蜂群算法的模糊聚類研究[D];廣西大學(xué);2016年

9 丁亞英;基于局部搜索和二進(jìn)制的改進(jìn)人工蜂群算法[D];南京師范大學(xué);2016年

10 楊杰;基于粒子群優(yōu)化算法的不確定聚類技術(shù)研究[D];北方民族大學(xué);2016年

，

本文編號(hào)：1806953