一种加速全局收敛的自由搜索算法  

Global Accelerate Convergence Free Search Algorithm

作　　者：任诚[1] 席建中[1] 唐普英[2] 谌贵辉[1] 

机构地区：[1]西南石油大学电气信息学院,四川成都610500 [2]电子科技大学光电信息学院,四川成都610054

出　　处：《计算机仿真》2012年第12期279-282,共4页Computer Simulation

基　　金：西南石油大学校青年基金(212)

摘　　要：关于优化算法问题,自由搜索算法是一种新的群集智能优化算法,但有收敛速度慢、易早熟的缺陷。为此,提出一个控制参数动态调整灵敏度控制种群信息共享的程度,使算法前期加强全局搜索后期加强局部搜索从而提高算法收敛速度,并引入一个选择策略,对适应度值比已搜索到的局部极值点小的点将在以后的迭代中不再被探测,有效避免算法陷入局部最优,增强算法的全局收敛能力。同时,加入优化停滞处理策略,加速全局收敛。基于三个典型测试函数的仿真结果表明,改进算法较之同类算法不仅在收敛速度、收敛精度和寻优成功率等方面有明显提高,且全局搜索能力更强。Free search（FS） is a swarm intelligence algorithm. Aiming at the shortcoming of FS, that is, premature convergence into local minimum and convergence slowly, this paper proposed an improved algorithm with controls parameter to accelerate the convergence speed by enhancing global searching at initial stage and local searching at last stage. Besides, a selective strategy and a stasis processing strategy were added to make the search move away from the neighborhood of a local minimum. The experimental results show that the new algorithm can not only speed up the convergence rate but also have better global convergence ability and solution accuracy over standard FS and ordinary self- adaption FS.

关 键 词：自由搜索 加速收敛 全局最优性 函数优化 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]