弱连接多子群分子动理论优化算法  

A weak linked multi-subpopulation kinetic-molecular theory optimization algorithm

作　　者：范朝冬[1,2] 刘颖南 章兢 易灵芝[1] 肖乐意[3] FAN Chao-dong;LIU Ying-nan;ZHANG Jing;YI Ling-zhi;XIAO Le-yi(College of Information Engineering,Xiangtan University,Xiangtan Hunan 411105,China;Key Laboratory of Guangxi High Schools Complex System and Computational Intelligence,Nanning Guangxi 530006,China;College of Electrical and Information Engineering,Hunan University,Changsha Hunan 410082,China)

机构地区：[1]湘潭大学信息工程学院,湖南湘潭411105 [2]广西高校复杂系统与智能计算重点实验室,广西南宁530006 [3]湖南大学电气与信息工程学院,湖南长沙410082

出　　处：《控制理论与应用》2019年第1期108-119,共12页Control Theory & Applications

基　　金：国家自然科学基金项目(61573299;51677063);湖南省自然科学基金项目(2016JJ3125);湖南省教育厅科学研究项目(15C1327);湘潭大学校级课题(15XZX31);广西高校复杂系统与智能计算重点实验室基金(2017CSCI04)资助~~

摘　　要：针对分子动理论优化算法拓扑结构与"群集"现象的不足,提出了一种弱连接多子群分子动理论优化算法.该算法分为上下两层,下层由一系列分子子群执行启发式快速搜索,以提高算法的收敛速度;上层中的混沌扰动子群基于混沌扰动机制,以便停滞状态的分子子群能跳出局部极值;上层中的免疫局部学习子群选取下层中的部分优秀个体进行局部学习,以实现精细化搜索而提高算法的收敛精度.仿真结果表明,该算法在寻优精度、收敛速度以及求解偏移函数等方面均有良好的性能.For overcoming the shortcomings of the topology and the‘cluster’phenomenon in the kinetic-molecular theory optimization algorithm(KMTOA),based on chaotic mapping and elite learning strategy,a weak linked multisubpopulation kinetic-molecular theory optimization algorithm(WLMS–KMTOA)is proposed in this paper.WLMS– KMTOA includes two layers.In the lower layer,some subgroups perform heuristic search to improve the convergence rate of WLMS–KMTOA.In the upper layer,WLMS–KMTOA uses the chaotic sequence subpopulation to avoid falling into local optimum,and uses immune local learning subgroup to perform a refined search to improve the convergence accuracy.The simulation results show that WLMS–KMTOA has good performance in solution precision and convergence speed,and can be well applied to the functions with different shift values.

关 键 词：分子动理论优化算法 多子群 弱连接 群集现象 混沌扰动 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]