【摘要】：針對群居蜘蛛優(yōu)化(SSO)算法求解復(fù)雜多峰函數(shù)成功率不高和收斂精度低的問題,提出了一種自適應(yīng)多種群回溯群居蜘蛛優(yōu)化(AMBSSO)算法。引入自適應(yīng)決策半徑概念,動態(tài)地將蜘蛛種群分成多個種群,種群內(nèi)適應(yīng)度不同的個體采取不同的更新方式,提高了種群樣本多樣性;提出回溯迭代進化策略,在篩選全局極值的基礎(chǔ)上,根據(jù)進化程度執(zhí)行回溯迭代更新,保證了算法全局尋優(yōu)能力。高維多峰函數(shù)仿真結(jié)果表明,同SSO算法、PSO算法等優(yōu)化算法相比,AMBSSO算法具有較快的收斂速度和較高的收斂精度,尤其適用復(fù)雜高維多峰函數(shù)優(yōu)化問題。
[Abstract]:In order to solve the problems of low success rate and low convergence precision of colony spider optimization (SSO) algorithm, an adaptive multi-colony backtracking (AMBSSO) algorithm is proposed. By introducing the concept of adaptive decision radius, the spider population is dynamically divided into several populations, and the individuals with different fitness within the population adopt different renewal methods to improve the diversity of population samples. A backtracking iterative evolution strategy is proposed. Based on the selection of global extremum, the backtracking iterative update is performed according to the degree of evolution, which ensures the global optimization ability of the algorithm. The simulation results of high dimensional multimodal function show that compared with the optimization algorithms such as SSO algorithm and PSO algorithm, AMBSSO algorithm has faster convergence speed and higher convergence precision, especially suitable for complex high dimensional multimodal function optimization problems.
【作者單位】： 晉中學(xué)院信息技術(shù)與工程學(xué)院;山西大學(xué)物理電子工程學(xué)院;
【基金】：教育部高等學(xué)校教學(xué)指導(dǎo)委員會項目(No.JZW-14-JW-09) 山西省高等學(xué)校教學(xué)改革項目(No.J2014108) 山西省科技攻關(guān)計劃項目(No.20110321025-02) 晉中學(xué)院教學(xué)改革項目(No.ZL2016jg04)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 薛文濤;吳曉蓓;徐志良;;用于多峰函數(shù)優(yōu)化的免疫粒子群網(wǎng)絡(luò)算法[J];系統(tǒng)工程與電子技術(shù);2009年03期

2 裴芳;張潔;唐俊;;種群自適應(yīng)調(diào)整的克隆多峰函數(shù)優(yōu)化[J];計算機工程與應(yīng)用;2013年11期

3 覃俊,康立山;基于動態(tài)群體的聚集演化求解多峰函數(shù)優(yōu)化問題[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2003年02期

4 劉鐵男,陳廣義,劉延力,徐寶昌;模擬生物種族形成的進化算法與多峰函數(shù)優(yōu)化[J];控制與決策;1999年02期

5 謝慶華;呂文閣;唐鵬;賀春華;梁亮;張國英;;用于多峰函數(shù)優(yōu)化的改進競選算法[J];機械設(shè)計與制造;2009年11期

6 耿煥同;馮慧菁;賈婷婷;;一種多種群協(xié)同量子遺傳多峰函數(shù)優(yōu)化方法[J];微電子學(xué)與計算機;2013年11期

7 于歆杰,王贊基;適用于多峰函數(shù)優(yōu)化的改進順序生境遺傳算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2001年03期

8 畢曉君;王艷嬌;;用于多峰函數(shù)優(yōu)化的小生境人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年11期

9 鄧濤;姚宏;杜軍;;多峰函數(shù)優(yōu)化的改進人工魚群混合算法[J];計算機應(yīng)用;2012年10期

10 薛文濤;吳曉蓓;單梁;;多峰函數(shù)優(yōu)化的免疫混沌網(wǎng)絡(luò)算法[J];系統(tǒng)仿真學(xué)報;2010年04期

相關(guān)會議論文 前2條

1 鄧九英;毛宗源;;混沌免疫網(wǎng)絡(luò)的多峰函數(shù)優(yōu)化算法[A];第二十六屆中國控制會議論文集[C];2007年

2 劉世金;劉大利;張敬泉;;基于進化算法的多峰函數(shù)優(yōu)化問題研究[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2007年

，

本文編號：2353650