本文關(guān)鍵詞：基于模擬退火的果蠅優(yōu)化算法

  更多相關(guān)文章： 果蠅算法 模擬退火 尋優(yōu)步長 接收概率 收斂速度

【摘要】：針對果蠅算法(FOA)尋優(yōu)精度不高且易陷入局部最優(yōu)的缺陷,提出了一種基于模擬退火思想的果蠅優(yōu)化算法(SA-FOA)。所提算法對解的接收機制和尋優(yōu)步長進行了改進:以廣義的Gibbs分布產(chǎn)生的概率為接收概率,解的接收滿足Metropolis準(zhǔn)則;參考非均勻變異的思想,使步長隨迭代次數(shù)的增加逐漸減小。通過對幾種典型測試函數(shù)的仿真表明,改進算法具有較強的全局搜索能力,同時尋優(yōu)精度和收斂速度比果蠅算法也有較大的提高。因此,可以用改進算法對神經(jīng)網(wǎng)絡(luò)和服務(wù)調(diào)度問題的參數(shù)進行優(yōu)化。
【作者單位】： 貴州大學(xué)大數(shù)據(jù)與信息工程學(xué)院;
【關(guān)鍵詞】： 果蠅算法 模擬退火 尋優(yōu)步長 接收概率 收斂速度
【基金】：貴州省合作計劃項目(黔科合計省合[2012]7002號,黔科合計省合[2014]7002號) 貴州大學(xué)研究生創(chuàng)新基金資助項目(研理工2016069)~~
【分類號】：TP18
【正文快照】： 0引言果蠅優(yōu)化算法(Fruit Fly Optimization Algorithm,FOA)是一種新型的群智能優(yōu)化算法,算法是根據(jù)果蠅的覓食行為進行推演形成的一種尋找全局最優(yōu)解的新方法[1-5]。該算法與粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法、人工魚群算法(Artificial Fish Swarm Algorithm，

本文編號：594338