高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ
基于水流作用机制的人工鱼群算法
刘东林, 刘刚, 冯翔
针对人工鱼群算法(AFSA)在函数优化问题中易陷入局部极值和求解精度较低的缺点,提出了一种在基本人工鱼群算法中引入水流作用机制的改进方案。通过水流作用机制中的持续性水流和周期性水流对鱼群施加的有益影响来改进原有算法。持续性水流影响鱼群的体力变化从而控制视野和步长参数的自适应调整以提高求解精度;周期性水流冲击鱼群并改变部分鱼的位置,从而保持鱼群的种群多样性以利于全局收敛。仿真实验结果表明:本文的改进算法具有更高的求解精度和更好的全局搜索性能,并验证了算法的有效性。
关键词: 人工鱼群算法; 水流作用机制; 函数优化
基于空间学习和情感追踪的多模多目标群搜索算法
丁亚丹, 冯翔, 虞慧群
doi: 10.14135/j.cnki.1006-3080.20201022003
为了解决多模态多目标优化问题,寻找与帕累托最优解等效的所有解,通过在基本的群搜索算法中引入社会行为,提出了一种新颖的基于空间学习机制和情感追踪行为的社会群搜索优化算法(MMO_LTSGSO)。首先,建立空间学习机制,根据学习到的个体自身位置与最佳个体位置的实时信息,对种群分布状态(离散态、聚合态)进行决策。当种群处于离散态时,采用追随和游走的方式增强算法空间探索能力;随着优化过程的进行,个体彼此影响交互,空间距离逐渐减小,此时种群逐渐聚合,采用动态步长的搜索策略更新个体位置,能实时勘探最优解周围的解,加快算法收敛速度。其次,引入了情感因子,使一定的个体沿其偏好方向进行情感追踪移动行为,防止算法陷入停滞状态,提高算法求解精度;采用特殊的拥挤距离计算方式和引导进化策略保证算法在决策空间和目标空间的双重多样性。最后,从理论上证明了该算法的收敛性;使用15个多模态多目标优化测试基准函数验证算法的性能,并将其与现有的几个多模多目标优化算法进行性能对比,实验结果验证了本文算法能够有效求解多模多目标优化问题。
关键词: 空间学习, 情感追踪, 群搜索算法, 情感因子, 多模多目标优化
基于强化学习和角度惩罚距离的冰晶连续优化算法
许毅, 冯翔, 虞慧群
doi: 10.14135/j.cnki.1006-3080.20191125003
针对全局连续优化问题,提出了一种基于强化学习的概率更新和角度惩罚距离偏差策略的冰晶连续优化算法。首先,通过模拟湖水结冰的自然现象,提出了冰晶连续优化算法,实现对连续极值问题的求解。在选择湖水中心时,加入的角度惩罚距离能更好地平衡收敛性和多样性,消除临时湖水中心带来的能量计算误差;然后,基于强化学习的概率更新可以对新生晶体的位置有更好的引导效果,加快湖水的结冰过程,更快地逼近湖水中心−全局最优点;最后,为了验证概率更新和角度惩罚距离的有效性,对加入概率更新策略前后的算法进行了比较。将本文算法与其他4种算法在12个基准函数上进行了比较,验证了算法的有效性。
关键词: 冰晶连续优化算法, 角度惩罚距离, 强化学习, 优化问题
基于多行为交互的变维协同进化特征选择方法
李腾飞, 冯翔, 虞慧群
doi: 10.14135/j.cnki.1006-3080.20201207001
针对大规模数据集上的特征选择问题,一种变长表示的粒子群特征选择方法(VLPSO)表现出了良好的性能。然而,其完全随机的粒子生成方式导致初始化阶段具有一定的盲目性。同时,VLPSO单一的更新机制和种群间的信息隔离也影响了模型的分类性能。为了解决VLPSO的缺陷,提出了一种基于多行为交互的变维协同进化特征选择方法(M-CVLPSO)。首先,为了改善随机初始化带来的盲目性,采用连续空间上的层次初始化策略,从期望上缩短了初始解与最优解之间的距离。其次,将粒子根据适应度分为领导者、追随者与淘汰者,在迭代过程中采用多种更新策略动态平衡算法的多样性与收敛性。同时,将维度缩减指标加入到适应度函数中,进一步增强了算法在部分数据集上的性能。从理论上证明了该算法的收敛性,并基于11个大规模特征选择数据集在分类精度、维度缩减和计算时间上进行实验分析。实验结果表明,本文算法相较于4种对比算法具有更好的综合表现。
关键词: 行为交互, 协同进化, 变维表示, 特征选择, 粒子群优化