發(fā)布時間：2021-03-13 17:56

　　針對標準磷蝦群算法（KH）在求解復雜函數(shù)優(yōu)化問題時局部搜索能力差,開采能力不足的問題,提出了一種基于近鄰套索算子的磷蝦群算法（NLKH）。該算法將一種新的近鄰套索算子加入了標準磷蝦群算法,使得處理復雜函數(shù)優(yōu)化問題更加有效。近鄰套索算子通過比較磷蝦個體之間的歐式距離來選取目標磷蝦對,然后通過在優(yōu)質個體附近加速操作產生新磷蝦個體和剔除劣質磷蝦個體的方式,提高了磷蝦個體局部搜索的能力。通過比較PSO算法、KH算法、KHLD算法、NLKH算法在10個測試函數(shù)上的結果表明,NLKH算法相較于PSO算法、KH算法和KHLD算法有著更強全局搜索能力,尋優(yōu)精度更高,收斂速度更快,穩(wěn)定性更好。并且NLKH算法相較于KH算法和KHLD算法有著更強的局部勘測能力,開采能力更強。 

【文章來源】：計算機工程與應用. 2019,55(09)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

NLKH算法運算機制圖

ShpereModel函數(shù)測試結果圖

GeneralizedSchwefel’sProblem函數(shù)測試結果圖

【參考文獻】：
期刊論文
[1]基于改進磷蝦群算法的SVDD參數(shù)優(yōu)化[J]. 孔祥鑫,周煒,王曉丹.  計算機工程與應用. 2017(22)
[2]最優(yōu)粒子增強探索粒子群算法[J]. 唐祎玲,江順亮,葉發(fā)茂,許慶勇,葛蕓,徐少平.  計算機工程與應用. 2017(04)



本文編號：3080665