【摘要】：為求解復(fù)雜函數(shù)優(yōu)化問題,基于人類記憶原理和人際關(guān)系,提出了一種新型函數(shù)優(yōu)化方法,即MP-IRO算法。在該算法中,將個體分為戀人、知己、敵人、小人、陌生人5種對象類型,對應(yīng)于戀愛、聚集、攻擊、排斥、防御等5種行為,并構(gòu)造相應(yīng)的演化算子。戀愛算子能優(yōu)先選擇擁有長時記憶的個體,分享其表征特性;聚集算子能使個體擺脫局部最優(yōu)解的陷阱;攻擊算子能使個體之間活躍度增強;排斥算子能讓個體遠離瞬時記憶試探解方向,擴大搜索范圍;防御算子能增加隨機性。測試結(jié)果表明,本算法對求解復(fù)雜函數(shù)優(yōu)化問題具有較高的適應(yīng)性和收斂速度。
[Abstract]:In ord to solve that problem of complex function optimization, a new function optimization method, i. e., the MP-IRO algorithm, is proposed based on human memory principle and human relationship. In this algorithm, the individual is divided into five types of behavior, such as love, self-interest, enemy, villain, and stranger, and corresponding to five kinds of behaviors such as love, aggregation, attack, exclusion, defense, etc., and the corresponding evolutionary operators are constructed. The relationship operator can give preference to the individual with long-term memory and share its representation characteristics; the aggregation operator can get the individual out of the trap of the local optimal solution; the attack operator can increase the activity between the individual; the rejection operator can let the individual move away from the instantaneous memory heuristic solution direction and enlarge the search range; The defense operator can increase the randomness. The test results show that the algorithm has higher adaptability and convergence speed for solving complex function optimization problems.
【作者單位】： 西安建筑科技大學(xué)管理學(xué)院;
【基金】：自然科學(xué)基礎(chǔ)研究計劃(2015JZ010) 西安市科協(xié)決策咨詢課題(201517) 陜西省社科基金(2014P07)
【分類號】：TP18

【參考文獻】

相關(guān)期刊論文 前7條

1 熊萬強;王蓓莉;孫曉光;;基于生物記憶原理的智能詞匯記憶模型[J];計算機工程;2015年06期

2 黃光球;李濤;陸秋琴;;人工記憶優(yōu)化算法[J];系統(tǒng)工程理論與實踐;2014年11期

3 賈麗媛;張弛;;自適應(yīng)差分演化進化算法[J];中南大學(xué)學(xué)報(自然科學(xué)版);2013年09期

4 馬國強;劉娟;;育種遺傳算法及函數(shù)優(yōu)化應(yīng)用[J];小型微型計算機系統(tǒng);2011年01期

5 左賽哲;郭玉翠;宮尚寶;吳旭;張虎;;基于記憶原理的信任值更新模型[J];東南大學(xué)學(xué)報(自然科學(xué)版);2010年S2期

6 黃光球;邢玉飛;趙煜;;蟻群智能體記憶模型研究[J];計算機工程與應(yīng)用;2010年27期

7 蔣騰旭;;智能優(yōu)化算法概述[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年08期

【共引文獻】

相關(guān)期刊論文 前10條

1 蘇佳;黃光球;;基于記憶原理的人際關(guān)系優(yōu)化算法[J];系統(tǒng)仿真學(xué)報;2017年02期

2 岳琪;劉婉瑩;;基于配置模型及裝配序列的家具定制優(yōu)化設(shè)計[J];東北林業(yè)大學(xué)學(xué)報;2016年06期

3 蔡樂;熊萬強;孫曉光;;基于遺忘曲線的自適應(yīng)詞匯記憶模型[J];微型電腦應(yīng)用;2016年05期

4 艾均文;薛宏;何行健;劉昌文;司馬楊虎;鄭穎;劉勇;;優(yōu)質(zhì)高產(chǎn)夏秋用家蠶品種韶·輝×旭·東的選育[J];蠶業(yè)科學(xué);2016年02期

5 李軍;鄭松;鄭小青;葛銘;;路網(wǎng)分層的改進A算法在智能交通系統(tǒng)中的應(yīng)用[J];工業(yè)控制計算機;2015年12期

6 向東;陳宇;陳廣勝;;基于LBP-DEELM的木材紋理分類算法[J];福建林業(yè)科技;2015年04期

7 李文斌;陳嶷瑛;賀毅朝;趙書良;;鄰域結(jié)構(gòu)為復(fù)雜網(wǎng)絡(luò)的差分演化算法[J];計算機應(yīng)用研究;2016年02期

8 陳宇;王明月;許莉薇;;基于DE-ELM的林業(yè)信息文本分類算法[J];計算機工程與設(shè)計;2015年09期

9 劉昌芬;韓紅桂;喬俊飛;;廣義逆向?qū)W習(xí)方法的自適應(yīng)差分算法[J];智能系統(tǒng)學(xué)報;2015年01期

10 陳宇;許莉薇;黃仲洋;江露;;SADE-ELM電容層析成像流型辨識算法[J];哈爾濱理工大學(xué)學(xué)報;2014年06期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 陳金凱;陳慶奎;;基于艾賓浩斯記憶曲線的單詞記憶軟件設(shè)計[J];電子技術(shù);2013年02期

2 畢曉君;李安寧;;基于差分進化算法的認知無線電決策引擎[J];智能系統(tǒng)學(xué)報;2012年06期

3 陳莉斯;王耀暉;;移動微型學(xué)習(xí)理論指導(dǎo)的英語單詞記憶研究[J];現(xiàn)代教育技術(shù);2012年09期

4 段其昌;黃大偉;雷蕾;段盼;;帶擴展記憶的粒子群優(yōu)化算法仿真分析[J];控制與決策;2011年07期

5 劉志軍;唐柳;劉克銅;吳冬方;;差分演化算法中變異策略的改進與算法的優(yōu)化[J];化工自動化及儀表;2010年09期

6 高霖;劉際明;張世武;楊杰;;記憶特性導(dǎo)致的社會網(wǎng)絡(luò)結(jié)構(gòu)動態(tài)變化[J];計算機工程;2010年10期

7 湯京永;董麗;;一類新的非單調(diào)記憶梯度法及其全局收斂性(英文)[J];數(shù)學(xué)理論與應(yīng)用;2009年02期

8 敖友云;遲洪欽;;多目標差分演化算法研究綜述[J];計算機科學(xué)與探索;2009年03期

9 黃光球;趙煜;;基于生物記憶原理的入侵檢測模型[J];計算機應(yīng)用;2009年05期

10 李軍華;黎明;袁麗華;;一種改進的雙種群遺傳算法[J];小型微型計算機系統(tǒng);2008年11期

【相似文獻】

相關(guān)期刊論文 前6條

1 張金輪;許小健;;解高維復(fù)雜函數(shù)優(yōu)化問題的混合差分進化算法[J];廈門理工學(xué)院學(xué)報;2008年04期

2 趙鵬軍;劉三陽;;求解復(fù)雜函數(shù)優(yōu)化問題的混合蛙跳算法[J];計算機應(yīng)用研究;2009年07期

3 于萬霞;張維存;鄭宏興;;基于遺傳粒子群算法的高維復(fù)雜函數(shù)優(yōu)化方法[J];計算機工程與應(yīng)用;2007年36期

4 楊艷霞;;基于引導(dǎo)進化的組織進化算法[J];計算機仿真;2013年11期

5 王輝;;一種帶共享因子的人工蜂群算法[J];計算機工程;2011年22期

6 ;[J];;年期

相關(guān)碩士學(xué)位論文 前1條

1 羅萍;求解復(fù)雜函數(shù)優(yōu)化問題的萬有引力算法設(shè)計[D];廣東工業(yè)大學(xué);2015年

，

本文編號：2510482