-
题名拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法
被引量：8
- 1
-
-
作者
徐杰
鲁海燕
赵金金
侯新宇
卢梦蝶
-
机构
江南大学理学院
江南大学无锡市生物计算工程技术研究中心
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第9期2701-2708,2751,共9页
-
基金
国家自然科学基金资助项目(61772013,61402201)
江苏省青年基金资助项目(BK20190578)。
-
文摘
针对蝴蝶优化算法存在种群多样性差、寻优精度低、收敛速度慢的不足,提出了拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法。首先利用拉丁超立方抽样种群初始化策略以提高种群的多样性,从而增强算法的全局搜索能力;然后引入在不同进化时期自动调节搜索范围的自适应最优引导策略,平衡算法的全局和局部搜索能力,从而提升算法的寻优精度;最后采用高斯小孔成像策略,对最优个体进行扰动,使得种群个体向最优个体靠近,以进一步提升算法的寻优精度并加快算法的收敛速度。通过对14个基准测试函数进行仿真实验以及Wilcoxon秩和检验,结果表明改进算法的寻优精度、收敛速度、稳定性和可扩展性等性能均得到了较大提高。
-
关键词
蝴蝶优化算法
拉丁超立方抽样
自适应惯性权重
高斯小孔成像
高维优化
-
Keywords
butterfly optimization algorithm
Latin hypercube sampling
self-adaptive inertia weight
Gaussian keyhole imaging
high dimensional optimization
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
