鴿群優(yōu)化（PIO）算法已廣泛用于無人機編隊和控制參數(shù)優(yōu)化等領域,但標準PIO算法容易陷入局部最優(yōu)。提出了一種基于自適應學習策略的改進鴿群優(yōu)化（ALPIO）算法。該算法引入了基于容差的搜索方向調(diào)整策略、基于自學習的候選者生成策略以及基于競爭學習的預測策略,通過增強種群的多樣性,可提高算法全局最優(yōu)概率,其已在8個基準函數(shù)上進行測試。仿真試驗結果表明:所提算法在多峰函數(shù)優(yōu)化問題中的收斂精度和收斂速度有了顯著提升,并且能夠更有效避免陷入局部最優(yōu)解。 

【文章頁數(shù)】：9 頁

【文章目錄】：
1 改進的鴿群優(yōu)化算法
    1.1 ALPIO算法描述
    1.2 基于容差的搜索方向調(diào)整策略
    1.3 基于自學習的候選者生成策略
    1.4基于競爭學習的預測策略
2 仿真實驗
    2.1 參數(shù)設置
    2.2 實驗結果分析
3 結 論


【參考文獻】：
期刊論文
[1]Comprehensive learning pigeon-inspired optimization with tabu list[J]. Shang XIANG,Lining XING,Ling WANG,Kai ZOU.  Science China（Information Sciences）. 2019(07)
[2]A hybrid quantum-based PIO algorithm for global numerical optimization[J]. Boyi CHEN,Hao LEI,Haidong SHEN,Yanbin LIU,Yuping LU.  Science China（Information Sciences）. 2019(07)
[3]Spacecraft formation reconfiguration trajectory planning with avoidance constraints using adaptive pigeon-inspired optimization[J]. Bing HUA,Yu HUANG,Yunhua WU,Zhiming CHEN,Dery NICHOLAS.  Science China（Information Sciences）. 2019(07)
[4]基于捕食逃逸鴿群優(yōu)化的無人機緊密編隊協(xié)同控制[J]. 段海濱,邱華鑫,范彥銘.  中國科學:技術科學. 2015(06)
[5]Gaussian pigeon-inspired optimization approach to orbital spacecraft formation reconfiguration[J]. Zhang Shujian,Duan Haibin.  Chinese Journal of Aeronautics. 2015(01)



本文編號：3707070