基于自适应权重的改进共生生物搜索算法

发布时间：2022-02-15 04:06

　　传统的共生生物搜索算法有着较好的全局搜索能力,但是容易陷入局部最优。为了解决这个问题,笔者提出了基于自适应权重的改进共生生物搜索算法,能够跳出局部最优,并且能够向目标移动时逐渐收敛,更好地找到目标函数的最优值。通过对6个标准测试函数的实验仿真,发现基于自适应权重的改进共生生物搜索算法的寻优能力得到加强,运算时间减少,稳健性更强。 

【文章来源】：科技创新与生产力. 2019,(04)

【文章页数】：3 页

【文章目录】：
1 改进共生生物搜索算法的理论基础与数学模型
    1.1 SOS算法的数学模型
    1.2 自适应权重
    1.3 改进共生生物搜索算法的数学模型
2 改进共生生物搜索算法的实验仿真与分析
3 结束语


【参考文献】：
期刊论文
[1]基于改进逐步优化算法的水库防洪优化调度[J]. 肖敬,董增川,罗晓丽,施任生,许凌杰,李宜雪.  人民黄河. 2018(10)
[2]自适应权重的GPSR压缩感知重构算法[J]. 李昕艺,刘三阳,张朝辉.  浙江大学学报(理学版). 2018(02)
[3]云计算中基于共享机制和群体智能优化算法的任务调度方案[J]. 符晓.  计算机科学. 2018(S1)
[4]改进鲸鱼优化算法及其在渣油加氢参数优化的应用[J]. 许瑜飞,钱锋,杨明磊,杜文莉,钟伟民.  化工学报. 2018(03)
[5]一类基于群智能优化算法的谐波估计方法[J]. 尹川,王荣杰,周海峰.  控制工程. 2017(02)
[6]基于Cat混沌与高斯变异的改进灰狼优化算法[J]. 徐辰华,李成县,喻昕,黄清宝.  计算机工程与应用. 2017(04)
[7]自适应精英反向学习共生生物搜索算法[J]. 周虎,赵辉,周欢,王骁飞.  计算机工程与应用. 2016(19)
[8]基于旋转学习策略的共生生物搜索算法[J]. 王艳娇,陶欢欢.  计算机应用研究. 2017(09)



本文编号：3625881