基于信息熵的改进海豚群算法及其桁架优化

发布时间：2021-12-11 14:45

　　针对基本海豚群算法易陷入局部最优的缺陷,提出了基于信息熵的改进海豚群算法,引入信息熵来度量海豚群搜索阶段的不确定性,控制搜索阶段的选择概率,降低盲目搜索,克服了基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷。将改进后的算法应用到桁架结构的优化中,并与其他算法优化结果进行了比较,证明了改进的算法在收敛速度和寻优精度方面有更好的表现,将其应用到桁架结构优化设计中,为结构优化设计提供了一种有效的方法。 

【文章来源】：重庆大学学报. 2019,42(05)北大核心CSCD

【文章页数】：10 页

【参考文献】：
期刊论文
[1]基于改进人工蜂群算法和极限学习机的刀具磨损监测[J]. 郭一君,周杰,王时龙,易力力,康玲,高波.  重庆大学学报. 2018(06)
[2]遗传算法优化BP神经网络的泊车位数量预测[J]. 张金梦,刘慧君.  重庆大学学报. 2018(03)
[3]混沌海豚群优化灰色神经网络的空中目标威胁评估[J]. 李卫忠,李志鹏,江洋,刘唐.  控制与决策. 2018(11)
[4]海豚群算法（英文）[J]. Tian-qi WU,Min YAO,Jian-hua YANG.  Frontiers of Information Technology & Electronic Engineering. 2016(08)
[5]基于信息熵的改进人工蜂群算法[J]. 李彦苍,彭扬.  控制与决策. 2015(06)



本文编号：3534867