【摘要】：針對以往細(xì)菌覓食優(yōu)化算法自適應(yīng)步長公式經(jīng)驗性參數(shù)過多、無法真正實現(xiàn)自適應(yīng)的缺點,提出了改進的步長公式,使步長僅與細(xì)菌個體當(dāng)前的進化代數(shù)和所求解問題的尋優(yōu)范圍有關(guān),真正實現(xiàn)步長的自適應(yīng);其次,將混沌思想和差分進化思想與細(xì)菌覓食算法結(jié)合,對算法初始化過程和尋優(yōu)過程進行改進,增加群體多樣性,避免算法因為早熟而陷入局部最優(yōu)值;在高維問題的優(yōu)化過程中,采用逐維更新細(xì)菌位置的方法,將整體問題分維處理,極大地提高了算法效率和精度。通過對多個標(biāo)準(zhǔn)測試函數(shù)在多維空間進行測試,表明改進算法在高維空間中尋優(yōu)時速度快、精度高、求解過程簡單可行,在尋得最優(yōu)解的精度上比其他改進方案有顯著提高。
[Abstract]:In view of the fact that there are too many empirical parameters in the adaptive step size formula of the previous bacterial foraging optimization algorithm, an improved step size formula is proposed, which makes the step size only related to the current evolutionary algebra of the bacterial individual and the optimization range of the problem solved, and truly realizes the step size adaptation. Secondly, chaos and differential evolution are combined with bacterial foraging algorithm to improve the initialization process and optimization process of the algorithm to increase population diversity and avoid the algorithm falling into local optimal value because of precocious. In the optimization process of high-dimensional problem, the fractal dimension of the whole problem is greatly improved by updating the bacterial position one by one. By testing several standard test functions in multidimensional space, it is shown that the improved algorithm has the advantages of fast speed, high precision, simple and feasible solving process, and the accuracy of finding the optimal solution is significantly higher than that of other improved schemes.
【作者單位】： 蘭州交通大學(xué)電子與信息工程學(xué)院;
【基金】：甘肅省科技計劃項目:細(xì)菌覓食優(yōu)化算法在多目標(biāo)優(yōu)化中的應(yīng)用研究(1506RJZA084) 甘肅省教育廳科研項目:菌群優(yōu)化算法的融合、改進及應(yīng)用(1204-13) 甘肅省教育科學(xué)‘十二五’規(guī)劃課題:細(xì)菌覓食優(yōu)化算法在高維優(yōu)化問題中的應(yīng)用(GS[2015]GHB0907) 蘭州市科技計劃項目:細(xì)菌覓食優(yōu)化算法在組合優(yōu)化中的應(yīng)用研究(2015-2-74)資助
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 梁鋒;一種求整體最優(yōu)的快速混合算法[J];數(shù)值計算與計算機應(yīng)用;1989年02期

2 李枝勇;馬良;張惠珍;;蝙蝠算法收斂性分析[J];數(shù)學(xué)的實踐與認(rèn)識;2013年12期

3 喻壽益;鄺溯瓊;;保留精英遺傳算法收斂性和收斂速度的鞅方法分析[J];控制理論與應(yīng)用;2010年07期

4 班祥東;;蜂群算法理論研究綜述[J];軟件導(dǎo)刊;2012年10期

5 馬竹根;;智能水滴算法研究[J];計算機與數(shù)字工程;2014年06期

6 高衛(wèi)峰;劉三陽;姜飛;張建科;;混合人工蜂群算法[J];系統(tǒng)工程與電子技術(shù);2011年05期

7 朱賢陽,李敬,任朗,汪文秉;修正變步長自適應(yīng)算法[J];科學(xué)通報;1996年16期

8 黃翰;林智勇;郝志峰;張宇山;李學(xué)強;;基于關(guān)系模型的進化算法收斂性分析與對比[J];計算機學(xué)報;2011年05期

9 張業(yè)榮,聶在平,漆蘭芬;用于非均勻介質(zhì)重建的選代算法收斂性的研究[J];電波科學(xué)學(xué)報;1998年02期

10 葉志偉;周欣;夏彬;;蟻群算法研究應(yīng)用現(xiàn)狀與展望[J];吉首大學(xué)學(xué)報(自然科學(xué)版);2010年01期

相關(guān)會議論文 前2條

1 任偉建;陳建玲;韓冬;王鳳妤;;蟻群算法綜述[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

2 張丹;華紅艷;邵麗紅;;擾動蟻群算法中參數(shù)的優(yōu)化選擇[A];中國自動化學(xué)會中南六省（區(qū)）2010年第28屆年會·論文集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 王允良;飛行器總體參數(shù)優(yōu)化的進化算法及其應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孟曉琳;蟻群算法的研究及其應(yīng)用[D];西南交通大學(xué);2015年

2 丁雪海;基于群智能的多目標(biāo)關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用研究[D];上海大學(xué);2014年

3 陳貞貞;基于FPGA的壓縮感知恢復(fù)算法的研究與實現(xiàn)[D];中國科學(xué)院研究生院(空間科學(xué)與應(yīng)用研究中心);2015年

4 葛曼;基于稀疏表示的魯棒相位恢復(fù)算法研究[D];燕山大學(xué);2016年

5 胡瀛月;人工蜂群算法的改進及相關(guān)應(yīng)用研究[D];中原工學(xué)院;2016年

6 高明芳;基于粒子群蟻群混合算法的物流車輛路徑問題研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

7 周文明;基于智能算法的移動機器人路徑規(guī)劃研究[D];南京理工大學(xué);2016年

8 岳振芳;教與學(xué)優(yōu)化算法的改進研究[D];寧夏大學(xué);2016年

9 繆志勇;車聯(lián)網(wǎng)平臺下基于優(yōu)化蟻群算法的公交調(diào)度系統(tǒng)優(yōu)化[D];江西農(nóng)業(yè)大學(xué);2016年

10 陳振;混合型蝙蝠搜索優(yōu)化算法及其應(yīng)用研究[D];廣西大學(xué);2014年

，

本文編號：2499930