一种混合改进的鸡群优化算法  被引量:15

Hybrid improved for chicken swarm optimization algorithm

在线阅读下载全文

作  者:杨菊蜻 张达敏 张慕雪 朱陈柔玲 Yang Juqing;Zhang Damin;Zhang Muxue;Zhuchen Rouling(College of Big Data&Information Engineering,Guizhou University,Guiyang 550025,China)

机构地区:[1]贵州大学大数据与信息工程学院,贵阳550025

出  处:《计算机应用研究》2018年第11期3290-3293,共4页Application Research of Computers

基  金:贵州省自然科学基金资助项目(黔科合基础[2017]1047号);贵州省合作计划项目(黔科合计省合[2014]7002]);贵州大学研究生创新基金资助项目(研理工2016069)

摘  要:针对鸡群算法(CSO)易陷入局部最优和出现早熟收敛的缺陷,提出了一种混合改进的鸡群优化算法(OBSA-CSO)。算法通过采用反向学习对种群进行初始化,同时对越界个体进行边界变异操作保证了算法的种群多样性并利于算法的全局搜索;在寻优过程中对母鸡采用新的位置更新式,并对最优个体采用改进退温函数的模拟退火扰动,通过Metropolis准则进行择优的方式有效地提高了算法的寻优精度和收敛速度。通过对七个测试函数在固定迭代次数和固定寻优精度条件下的实验表明,改进后的算法相较于传统鸡群算法具有较好的寻优精度和收敛速度。To resolve the defect that chicken swarm algorithm(CSO)was easy to fall into local optimum and premature convergence,this paper proposed a hybrid improved chicken swarm optimization algorithm(OBSA-CSO).Firstly,it initialized the population by opposition learning,and used the boundary mutation deal with the cross-border individuals,which ensured the diversity of the proposed algorithm and facilitated the global search of the proposed algorithm.Secondly,it updated the hen with a new location update formula and by using simulated annealing with improved annealing model to the best individual,preferred by the way of Metropolis criterion could effectively improve the searching precision and convergence speed.Finally,the experimental results show that the improved algorithm has better search precision and convergence speed compared with the traditional chicken swarm algorithm through experiments on seven classical test functions.

关 键 词:鸡群算法 反向学习 边界变异 模拟退火算法 

分 类 号:TP301.6[自动化与计算机技术—计算机系统结构]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象