区间长度可变的反向混沌优化算法

发布时间：2021-12-24 14:41

　　针对现有算法在大空间和高维度寻优存在效率较低的问题,提出一种区间长度可变的反向混沌优化算法,并证明了该算法以概率1收敛于全局最优解.算法采用区间长度可变的反向优化策略,利用反向优化方法增大算法进化过程的多样性,使优化的变量区间不断减小.同时,提出基于Fuch混沌映射的反向混沌优化策略增大算法逃逸局部极值的能力,以及两级优化策略提高算法执行后期的寻优精度.通过22个基准函数测试结果表明,本文提出的算法与改进的混沌优化算法以及其他智能优化算法相比,其搜索的综合性能要优于其他算法. 

【文章来源】：电子学报. 2019,47(01)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
1 引言
2 区间长度可变的反向混沌优化算法 (VILOC)
    2.1 区间长度可变的反向优化策略
    2.2 基于Fuch映射的反向混沌优化策略
    2.3 两级搜索策略
3 VILOC算法实现
4 VILOC算法收敛性分析
5 仿真实验分析
    5.1 测试函数及设置
    5.2 VILOC算法仿真结果
    5.3 与其他改进算法比较
6 结论


【参考文献】：
期刊论文
[1]自适应折叠混沌优化方法[J]. 傅文渊,凌朝东.  西安交通大学学报. 2013(02)



本文编号：3550667