【摘要】：針對群搜索優(yōu)化(Group Search Optimizer,GSO)算法易陷入局部最優(yōu)、收斂速度較慢、收斂精度較低等問題,提出一種基于差分策略的群搜索優(yōu)化(Differential Ranking-based Group Search Optimizer,DRGSO)算法。主要進行兩方面改進:1)按照適應度值的大小對種群進行排序,適當增加發(fā)現(xiàn)者的數(shù)目,使種群能夠獲得更好的啟發(fā)式信息,加快了算法的收斂速度,有效地避免了算法陷入局部最優(yōu);2)在發(fā)現(xiàn)者搜索過程中,引入4種不同的差分變異策略,提高了算法的收斂精度,增強了算法的群體多樣性在。11組國際標準測試函數(shù)上的實驗測試結(jié)果顯示,與GA,GSO,PSO算法相比,DRGSO算法具有較強的全局搜索能力以及局部資源勘探能力,算法整體收斂性能明顯提高。
[Abstract]:A group search optimization (Differential Ranking-based Group Search Optimizer,DRGSO) algorithm based on differential strategy is proposed to solve the problems of group search optimization (Group Search Optimizer,GSO) algorithm which is easy to fall into local optimization, slow convergence rate and low convergence precision. The main improvements are as follows: 1) according to the size of the adaptive value, the population is ordered, and the number of discoverers is increased appropriately, so that the population can obtain better heuristic information, and the convergence speed of the algorithm is speeded up. The algorithm is effectively avoided from falling into local optimization. 2) in the process of discovery search, four different differential mutation strategies are introduced to improve the convergence accuracy of the algorithm, and the experimental results of the diversity of the algorithm on .11 international standard test functions show that it is in agreement with GA,GSO,. Compared with PSO algorithm, DRGSO algorithm has strong global search ability and local resource exploration ability, and the global convergence performance of the algorithm is obviously improved.
【作者單位】： 天津科技大學計算機科學與信息工程學院;
【基金】：天津市高等學�？萍及l(fā)展基金計劃項目(20140803) 天津科技大學青年教師創(chuàng)新基金(2014CXLG30) 國家自然基金面上項目(61272509) 國家自然科學基金青年基金(61402332)資助
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 劉波;;“算法設計與分析”教學探討[J];高等理科教育;2007年04期

2 肖小克;陳莉;;《算法設計與分析》實踐教學探討[J];福建電腦;2009年10期

3 穆瑞輝;;計算機算法設計研究與思考[J];數(shù)字技術(shù)與應用;2012年12期

4 潘博;;構(gòu)建“算法設計與分析”趣味課堂[J];科教文匯(下旬刊);2013年06期

5 王希常,楊志強;一類考場編排算法的設計[J];山東師范大學學報(自然科學版);2002年04期

6 龍騰芳,高金文;“分而治之”方法在算法設計中的應用[J];渤海大學學報(自然科學版);2004年01期

7 呂國英;;《算法設計與分析》教材建設的實施[J];計算機教育;2007年19期

8 徐子珊;;“算法設計與分析”教學中理論與技術(shù)的平衡[J];計算機教育;2008年10期

9 鄭紅;邵志清;符海波;;“算法設計與分析”課程教學改革初探[J];計算機教育;2008年14期

10 高尚;;“算法設計與分析”課程改革初探[J];計算機教育;2008年14期

相關(guān)會議論文 前10條

1 雷詠梅;;橢圓曲線密碼體制的算法設計與實現(xiàn)[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術(shù)年會文集[C];2000年

2 楊盤洪;朱軍祥;趙建安;楊靜;;機動目標跟蹤的模糊變結(jié)構(gòu)交互多模算法[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

3 徐子珊;;《算法設計與分析》課程中的工程教育[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

4 王輝;劉治昌;;用一種新算法設計的安全系統(tǒng)[A];2007年中國智能自動化會議論文集[C];2007年

5 舒輝;柳清峰;杜祝平;周蓓;;實踐教學模式在本科專業(yè)課程教學中的應用[A];中國電子教育學會高教分會2010年論文集[C];2010年

6 彭小宏;陽東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設計[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

7 李皓;羅熊;;云存儲部署優(yōu)化的進化算法設計[A];2013年中國智能自動化學術(shù)會議論文集（第三分冊）[C];2013年

8 羅長政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

9 楊利;李霖;昌月樓;陽國貴;;對稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫研究與進展95——第十三屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1995年

10 張晉;;嵌入式電腦鼠運行算法的研究[A];全國第20屆計算機技術(shù)與應用學術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應用學術(shù)會議論文集（上冊）[C];2009年

相關(guān)重要報紙文章 前1條

1 ;算法設計的策略[N];電腦報;2003年

相關(guān)博士學位論文 前10條

1 江立輝;基于干擾對齊的多用戶無線傳輸優(yōu)化方法研究[D];哈爾濱工業(yè)大學;2015年

2 史亞;多核學習算法與應用研究[D];西安電子科技大學;2015年

3 薛菲;基于蝙蝠算法的啟發(fā)式智能優(yōu)化研究與應用[D];北京工業(yè)大學;2016年

4 沈虎;支持干擾管理的無線并發(fā)通信協(xié)議及算法[D];國防科學技術(shù)大學;2015年

5 谷偉哲;齊次光滑算法及其應用[D];天津大學;2010年

6 龍海俠;進化算法及其在生物信息中的應用[D];江南大學;2010年

7 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學;2013年

8 尤海峰;求解隱式目標優(yōu)化問題的交互式進化算法研究[D];中國科學技術(shù)大學;2011年

9 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設計與優(yōu)化[D];中國科學技術(shù)大學;2014年

10 郭崇慧;地區(qū)中長期發(fā)展規(guī)劃若干定量模型、算法及應用研究[D];大連理工大學;2002年

相關(guān)碩士學位論文 前10條

1 李欣園;基于選擇偏好的組合聚類算法研究與實現(xiàn)[D];內(nèi)蒙古大學;2015年

2 楊瀟;界約束非線性最小二乘問題的無導數(shù)算法[D];上海交通大學;2015年

3 王曉璐;基于Zynq的LS-SVM算法加速器設計[D];哈爾濱工業(yè)大學;2015年

4 樓磊磊;醫(yī)療保險數(shù)據(jù)異常行為檢測算法和系統(tǒng)[D];浙江大學;2015年

5 齊海龍;基于改進人工蜂群算法的非線性系統(tǒng)辨識方法研究[D];北京化工大學;2015年

6 蔡平梅;結(jié)構(gòu)化稀疏信號的恢復算法研究[D];上海大學;2015年

7 趙晨陽;基于蟻群算法的高階圖匹配方法研究[D];西安電子科技大學;2014年

8 茍清松;多目標粒子濾波檢測前跟蹤算法研究[D];電子科技大學;2015年

9 李枝勇;蝙蝠算法及其在函數(shù)優(yōu)化中的應用研究[D];上海理工大學;2013年

10 李蓮;基于蜂群和粗糙集的聚類算法研究[D];長沙理工大學;2014年

，

本文編號：2470018