-
题名面向多峰优化问题的自主学习萤火虫算法
被引量：10
- 1
-
-
作者
赵嘉
陈文平
肖人彬
王晖
-
机构
南昌工程学院信息工程学院
南昌工程学院江西省水信息协同感知与智能处理重点实验室
华中科技大学人工智能与自动化学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2022年第8期1971-1980,共10页
-
基金
科技创新2030“新一代人工智能”重大项目(2018AAA0101200)
国家自然科学基金项目(52069014,51669014)
江西省杰出青年基金项目(2018ACB21029)。
-
文摘
萤火虫算法在处理多峰优化问题时易陷入局部最优,针对该问题提出一种自主学习萤火虫算法.该算法将粒子按适应度划为自主学习粒子和普通粒子,自主学习粒子从种群中随机选择一个粒子并随机选择一个维度,使用3种学习策略产生3个候选解,在自身以及候选解中选择最好的解;普通粒子同时选择两个优于自身的粒子进行学习.自主学习粒子能够维持算法对多个极值空间的探索并提高算法优化精度;普通粒子以两个粒子的混合信息为指引,使算法跳出局部最优.此外,使用淘汰机制,让算法舍弃对劣质极值空间的维护,进而提高对优质极值空间的开发,实验结果表明,所提出算法在处理多峰优化问题时具有高效的性能.
-
关键词
萤火虫算法
多峰优化问题
自主学习
双样本学习
淘汰机制
局部最优
-
Keywords
firefly algorithm
multi-peak optimization problems
self-learning
two-sample learning
elimination mechanism
local optimal
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于双样本学习与单维搜索改进的精英麻雀搜索算法
被引量：1
- 2
-
-
作者
贾凯烨
董砚
-
机构
河北工业大学人工智能与数据科学学院
河北工业大学电气工程学院
-
出处
《计算机科学》
CSCD
北大核心
2023年第2期317-323,共7页
-
基金
国家自然科学基金(U20A201284)。
-
文摘
针对麻雀搜索算法初始种群分布不均匀,种群间信息交流少,易陷入局部最优,收敛速度慢等不足,提出了一种基于双样本学习与单维搜索改进的精英麻雀搜索算法。首先,采用Hammersley低差异序列与反向学习相结合产生精英初始种群,增强个体质量和多样性;然后,通过双样本学习策略,改进追随者的位置更新公式,加强种群间的信息交流,提高算法跳出局部最优的能力;最后,在算法迭代后期采用单维搜索模式,增强算法在后期的深度挖掘能力,提高算法的精度。通过对时间复杂度进行分析,证明了该改进未增加算法的时间复杂度。选取12个不同特征的测试函数进行寻优,测试结果表明,与其他算法相比,该算法在收敛速度、精度和稳定性上都有明显的优越性。
-
关键词
麻雀搜索算法
Hammersley低差异序列
反向学习
双样本学习
单维搜索
-
Keywords
Sparrow search algorithm
Hammersley low difference sequence
Reverse learning
two-sample learning
Single-dimension search
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
