基于协同寻优的改进蝙蝠和声混合算法

下载PDF

导出

摘要针对和声搜索算法收敛速度慢、寻优精度低的问题,文章提出了一种基于改进蝙蝠的协同寻优和声搜索算法(RBHS)。该混合算法的主要思想是引入蝙蝠算法的局部搜索机制,让蝙蝠种群在最优和声个体附近进行更加详细的局部搜索,并且加强了蝙蝠种群与和声库的信息交互协同寻优。同时对最优和声个体进行高斯扰动,以增加种群的多样性,避免过快地陷入局部最优解。将RBHS算法与目前比较优秀的改进和声搜索算法对比表明,仿真实验表明RBHS算法的收敛速度更快、寻优精度更高。

作者史亚辉陈琴

机构地区广西大学计算机与电子信息学院广西大学商学院

出处《广西教育学院学报》 2019年第6期187-192,共6页 Journal of Guangxi College of Education

基金国家自然科学基金项目(61762009)的成果之一

关键词蝙蝠算法和声搜索算法协同寻优函数优化

分类号 TP301.6 [自动化与计算机技术—计算机系统结构]

引文网络
相关文献

参考文献3

1黎成.新型元启发式蝙蝠算法[J].电脑知识与技术（过刊）,2010,0(23):6569-6572. 被引量：182
2翟军昌,秦玉平.随机交叉全局和声搜索算法[J].计算机工程与应用,2018,54(12):21-26. 被引量：8
3依玉峰,高立群,郭丽.和声搜索算法在聚类分析中的应用[J].东北大学学报（自然科学版）,2012,33(1):47-51. 被引量：7

二级参考文献18

1王俊伟,汪定伟.粒子群算法中惯性权重的实验与分析[J].系统工程学报,2005,20(2):194-198. 被引量：86
2孟伟,韩学东,洪炳镕.蜜蜂进化型遗传算法[J].电子学报,2006,34(7):1294-1300. 被引量：78
3de Miranda P A V, Falcao A X, Udupa J K. Synergistic arcweight estimation for interactive image segmentation using graphs[J]. Computer Vision and Image Understanding, 2010,114(1):85-99. 被引量：1
4Wang Z M, Soh Y C, Song Q, et al. Adaptive spatial information-theoretic clustering for image segmentation [J]. Pattern Recognition, 2009,42(9) :2029-2044. 被引量：1
5Isa N A M, Salamah S A, Ngah U K. Adaptive fuzzy moving K-means clustering algorithm for image segmentation [J]. IEEE Transactions on Consumer Electronics, 2009,55 (4) :2145-2153. 被引量：1
6Wang X Y, Bu J. A fast and robust image segmentation using FCM with spatial information [ J ]. Digital Signal Processing, 2010,20(4) : 1173 - 1182. 被引量：1
7Hung C C, Kulkami S, Kuo B C. A new weighted fuzzy C-means clustering algorithm for remotely sensed image classification[J]. IEEE Journal of Selected Topics in Signal Processing, 2011,5(3) :543 - 553. 被引量：1
8Hall L O, Ozyurt I B, Bezdek J C. Clustering with a genetically optimized approach [ J ]. IEEE Transactions on Evolutionary Computation, 1999,3 (2): 103 - 112. 被引量：1
9Kanade P M, Hall L O. Fuzzy ants and clustering[J]. IEEE Transactions on Systems, Man and Cybernetics, Part A : Systems and Humans, 2007,37 (5) : 758 - 769. 被引量：1
10Geem Z, Kim J, Loganathan G. A new heuristic optimization algorithm: harmony search [J]. Simulation, 2001,76(2) :60 - 68. 被引量：1

共引文献194

1石玲玉,周宇,程玉柱.基于和声搜索优化的木材死节缺陷图像分割[J].木材加工机械,2019,30(5):32-35. 被引量：2
2张俊峰,张天添,丁福光,王元慧.基于遗传蝙蝠算法的任务约束船推力分配优化[J].船舶工程,2022,44(2):105-111. 被引量：4
3王刘旺,周自强,林龙,韩嘉佳.人工智能在变电站运维管理中的应用综述[J].高电压技术,2020,46(1):1-13. 被引量：80
4丁喜峰.关于红外保健用品保健作用机理的探讨[J].红外技术,2000,22(3):56-57.
5陈峰,陈济刚.给新千年的新一代机型[J].国际纺织导报,2000,28(1):50-50.
6中国什么时候统一[J].宣传月报,2000(1):61-62.
7梁华龙.刍议“经典著作”与“中医临床基础学”[J].河南中医,2000,20(3):3-5. 被引量：4
8李国成,肖庆宪.均值-CVaR投资组合模型及改进的蝙蝠算法求解[J].河南师范大学学报（自然科学版）,2014,42(3):153-160.
9杨树欣,李盼池.和声搜索算法的改进研究[J].计算机技术与发展,2015,25(4):93-97. 被引量：6
10殷栢辉,沈志毅,黄昀.基于改进和声搜索算法的电力系统无功优化[J].广东电力,2015,28(9):101-106. 被引量：1

1马秀莲.厚积薄发——初中英语写作训练策略探究[J].考试周刊,2019,0(57):124-124.
2薛益鸽.基于当前极值高斯扰动的改进布谷鸟算法[J].贵州师范大学学报（自然科学版）,2019,37(5):100-104. 被引量：2
3王勇,穆永强,刘靖波,佟永吉,朱洪波,陈明峰,梁鹏,王健.基于风电不确定性模糊量化的综合能源系统规划方法研究[J].可再生能源,2019,37(9):1340-1345. 被引量：2
4何庆,黄闽茗,王旭.基于精英反向学习的逐维改进蜻蜓算法[J].南京师大学报（自然科学版）,2019,42(3):65-72. 被引量：14
5芦冰.风景园林规划设计中的地域特征[J].智富时代,2019,0(4):0308-0308.
6周田江,钱谦,伏云发.融合模拟退火和自适应的天牛须搜索算法[J].通信技术,2019,52(7):1626-1631. 被引量：10
7邴孝锋,陶翼飞,董圆圆,孙思汉.求解改进布谷鸟算法的置换流水车间调度问题[J].电子科技,2019,32(10):60-64. 被引量：1
8邓楚燕,彭昱忠,李红亚,龚道庆,张浩,刘志平.模糊自适应多细胞GEP函数优化算法[J].计算机工程与设计,2019,40(10):2895-2902. 被引量：1
9闫春,厉美璇,周潇.基于改进的遗传算法在函数优化中的应用[J].计算机应用研究,2019,36(10):2982-2985. 被引量：31
10周娟.浅谈小学数学作业的布置[J].科普童话（新课堂）,2019,0(33):177-177.

广西教育学院学报

2019年第6期

浏览历史

内容加载中请稍等...

基于协同寻优的改进蝙蝠和声混合算法

参考文献3

二级参考文献18

共引文献194

相关作者

相关机构

相关主题

浏览历史