自适应搜索优化算法  

Adaptive Free Search Algorithm

作　　者：周晖[1,2] 徐晨[1] 邵世煌[2] 李丹美[2] 

机构地区：[1]南通大学电子信息学院,南通226019 [2]东华大学信息科学与技术学院,上海201620

出　　处：《计算机科学》2008年第10期188-191,共4页Computer Science

基　　金：国家863计划专项课题(2007AA01Z330);江苏省科技厅高技术研究项目(BG2007022);江苏省高校自然科学基金项目(07KJB510095)

摘　　要：自由搜索算法是一种新的群集智能优化算法,已经成功地应用于函数优化问题。针对该算法所存在的对参数敏感等问题,提出自适应搜索算法。通过自适应实时调整搜索半径、搜索步、灵敏度等参数,提高算法对环境的适应性、鲁棒性和在"探索"和"开发"之间的平衡能力。对典型函数的试验结果证明,新算法不仅降低了对参数的依赖性,而且成功率高、收敛速度快,能有效避免陷入局部次优。Free search is a novel swarm intelligence algorithm. A new adaptive free search algorithm （AFS） was presented to solve the problem that the basic free search algorithm is sensitive to some parameters. The new algorithm （AFS）, which is based on adaptively adjusting neighbour space and steps, sensitivity, can balance the global search and local search to improve AFS＇s convergence and roboutness. The experimental results show that the new algorithm not only solve the problem of the dependence on parameters but also has great advantage of convergence property over basic free search algorithm and particle swarm optimization, and can avoid the premature convergence problem effectively.

关 键 词：自由搜索(FS) 自适应 群集智能 函数优化 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]