一种基于改进的磷虾群和粒子群的混合算法

被引：6

作者：

刘沛

高岳林

郭伟

机构：

[1] 北方民族大学信息与系统科学研究所

来源：

河南师范大学学报(自然科学版) | 2017年 / 45卷 / 02期

关键词：

磷虾群算法; 非线性递减; 粒子群算法; 双子种群并行策略; 自然选择;

D O I：

10.16366/j.cnki.1000-2367.2017.02.021

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对基本磷虾群(KH)算法在求解高位复杂优化问题时容易陷入局部最优、求解精度低等缺点,提出了一种基于改进的磷虾群和粒子群的混合算法(AIPSOKH).该算法首先对KH算法中的觅食权重和诱导权重采用非线性递减策略,然后将其与惯性权重线性递减的粒子群算法(LDWPSO)混合,采用双子种群同时计算的并行策略进行迭代计算,借鉴自然选择中适者生存的进化机制提升母种群中个体的质量,以此来避免算法陷入局部最优,并提升其求解精度.最后通过8个标准测试函数的对比实验表明,在全局搜索能力和求解精度上与提到的2种算法相比都有着显著优势.

引用

页码：119 / 124

页数：6

共 6 条

[1] 融合模拟退火的改进教与学优化算法 [J].

岳振芳 ;

高岳林 .

河南师范大学学报(自然科学版), 2016, 44 (01) :149-154

[2] 基于二阶振荡及自然选择的随机权重混合粒子群算法 [J].

白俊强 ;

尹戈玲 ;

孙智伟 .

控制与决策, 2012, 27 (10) :1459-1464+1470

[3] Hybrid krill herd algorithm with differential evolution for global numerical optimization [J].

Wang, Gai-Ge ;

Gandomi, Amir H. ;

Alavi, Amir H. ;

Hao, Guo-Sheng .

NEURAL COMPUTING & APPLICATIONS, 2014, 25 (02) :297-308

[4]

An improved krill herd algorithm: Krill herd with linear decreasing step[J] . Junpeng Li,Yinggan Tang,Changchun Hua,Xinping Guan.Applied Mathematics and Computation . 2014

[5]

Chaotic Krill Herd Optimization Algorithm[J] . Shahrzad Saremi,Seyed Mohammad Mirjalili,Seyedali Mirjalili.Procedia Technology . 2014

[6]

Krill herd: A new bio-inspired optimization algorithm[J] . Amir Hossein Gandomi,Amir Hossein Alavi.Communications in Nonlinear Science and Numerical Simulation . 2012 (12)

← 1 →