引用本文:
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  【EndNote】   【RefMan】   【BibTex】
←前一篇|后一篇→ 过刊浏览    高级检索
本文已被:浏览 1250次   下载 40 本文二维码信息
码上扫一扫!
分享到: 微信 更多
一种基于椋鸟群行为的改进型蝙蝠算法
胡飞,孙自强
作者单位E-mail
胡飞 华东理工大学化工过程先进控制和优化技术教育部重点实验室, 上海 200237  
孙自强 华东理工大学化工过程先进控制和优化技术教育部重点实验室, 上海 200237 sunziqiang@ecust.edu.cn 
摘要:
蝙蝠算法是一种新兴的元启发式算法,基本蝙蝠算法(BA)存在寻优精度低、易陷入局部最优等缺点。将椋鸟群的集体性行为引入到基本蝙蝠算法中,有效地提高了算法的搜索范围;引入线性递减权重,用于平衡全局搜索和局部搜索。通过一些测试函数对该算法进行仿真研究,结果表明改进的蝙蝠算法有效地避免了种群个体陷入局部最优,提高了算法的寻优精度,优化效果得到改善。
关键词:  蝙蝠算法(BA)  椋鸟群行为  权重  局部最优
DOI:10.14135/j.cnki.1006-3080.2017.04.011
分类号:TP301.6
基金项目:
An Improved Bat Algorithm Based on Starling Flock Behavior
HU Fei,SUN Zi-qiang
Abstract:
Bat algorithm (BA) is a new metaheuristic algorithm.However,the standard BA has some shortcomings,e.g.,low convergence precision and easily relapsing into the local optima.In this work,by introducing the collective behavior of the starling group into BA algorithm,the searching range of the standard BA algorithm can be effectively improved.Besides,a linear decreasing weight is introduced to balance the global search and the local search.Simulation results from Benchmark functions show that the improved algorithm can effectively avoid the local optimum and attain higher convergence precision.
Key words:  bat algorithm (BA)  starling group behavior  weight  local optima

地址:上海市梅陇路130号华东理工大学研究生楼1015室 邮编:200237

电话:021-64253812 传真:021-64253812 电子信箱: ecustxbb@ecust.edu.cn