電子發燒友網>電子資料下載>模擬數字>使用動態壓力控制算子進行磷蝦群算法實現的資料說明

使用動態壓力控制算子進行磷蝦群算法實現的資料說明

2474220 2019-03-28 | rar | 0.77 MB | 次下載 | 免費

資料介紹

　　針對基礎磷蝦群（KH）算法在求解復雜函數優化問題時局部搜索能力差、求解精度低、收斂速度慢、容易陷入局部最優等問題，提出一種基于動態壓力控制算子的磷蝦群算法（DPCKH）。該算法將一種新的動態壓力控制算子加入了標準磷蝦群算法，使其處理復雜函數優化問題更有效。動態壓力控制算子通過歐氏距離量化了多個不同優秀個體對目標個體的誘導效應，進而在優秀個體附近加速產生新磷蝦個體，提高了磷蝦個體的局部探索能力。通過比較蟻群算法（ACO）、差分進化算法（DE）、碎蝦群算法（KH）、改進的磷蝦群算法（KHLD）和粒子群算法（PSO），DPCKH算法在7個測試函數上的結果表明，DPCKH算法與ACO算法、DE算法、KH算法、KHLD算法和PSO算法相比有著更強的局部勘測能力，其開采能力更強。

　　群智能優化算法是求解復雜的實際優化問題的一種計算方法。該類算法從仿生學的角度，模擬自然界中生物生活習性在定義域中快速尋找目標問題的最優解，具有可擴展性、自適應性和并行性等多種優點。目前，群智能優化算法被廣泛地應用于求解復雜的優化問題中，包括有：蟻群優化（ Ant Colony Optimization， ACO）算法、粒子群優化（ ParticleSwarm Optimization， PSO）算法、人工蜂群（ Artificial BeeColony， ABC）算法、遺傳算法（ Genetic Algorithm， GA）、差分進化（ Differential Evolution， DE）算法等。