基于反向学习的自组织迁移算法  

Opposition-based Self-organizing Migrating Algorithm

作　　者：林志毅[1] 王玲玲[2] 

机构地区：[1]广东工业大学计算机学院,广州510006 [2]武汉大学软件工程国家重点实验室,武汉430072

出　　处：《计算机科学》2012年第5期217-218,233,共3页Computer Science

基　　金：国家自然科学基金项目(60773009);广东工业大学校博士基金(093058)资助

摘　　要：为了解决自组织迁移算法存在的早期收敛问题,提出了基于反向学习的自组织迁移算法(Opposition-basedSelf-organizing Migrating Algorithm,OSOMA)。该算法利用反向学习机制扩展了个体的搜索方向,获得了更优秀的采样个体,使得算法在保持多样性的同时提高了收敛速度。此外,该算法还对步长进行自适应调整,进一步平衡了算法的勘探和开采能力。通过典型函数的测试证实了OSOMA的有效性。A new opposition-based self-organizing migrating algorithm（OSOMA） was proposed to deal with premature convergence of self-organizing migrating algorithm.The key points of OSOMA lie in：1） the opposition-based learning is applied to extend the migrating direction and obtain better individual,which maintains diversity of population and improves the convergence speed.2） the algorithm adaptively adjusts the step to further balance between the ability of exploration and exploitation capacity.Then,OSOMA is used to solve typical problems and numerical results show the effectiveness of OSOMA.

关 键 词：自组织迁移算法 反向学习 OSOMA 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]