收敛因子和黄金正弦指引机制的蝴蝶优化算法

发布时间：2022-07-14 10:18

　　针对蝴蝶优化算法（butterfly optimization algorithm,BOA）中存在的局部开采和全局探索能力不均衡,易陷入局部最优值,收敛精度低等缺陷,提出收敛因子和黄金正弦指引机制的蝴蝶优化算法（convergence factor and gold sinusoidal guidance mechanism of butterfly optimization algorithm,AGSABOA）。受到鲸鱼优化算法的启发将收敛因子融入算法的全局位置更新处,提高算法全局搜索的多样性;结合黄金正弦指引机制,弥补BOA算法迭代后期种群多样性下降,易陷入局部最优的不足。选取9个常用的基准测试函数进行的仿真结果表明,AGSABOA算法在寻优精度、收敛速度、鲁棒性方面更优。 

【文章页数】：6 页

【文章目录】：
0 引言
1 蝴蝶优化算法
2 融合收敛因子和黄金正弦指引机制的蝴蝶优化算法
    2.1 收敛因子
    2.2 黄金正弦指引机制
3 仿真实验结果及分析
    3.1 仿真实验环境
    3.2 仿真实验参数设置
    3.3 测试函数
    3.4 实验结果分析
4 结束语


【参考文献】：
期刊论文
[1]全局优化的蝴蝶优化算法[J]. 高文欣,刘升,肖子雅,于建芳.  计算机应用研究. 2020(10)
[2]柯西变异和自适应权重优化的蝴蝶算法[J]. 高文欣,刘升,肖子雅,于建芳.  计算机工程与应用. 2020(15)
[3]融合莱维飞行与黄金正弦的蚁狮优化算法[J]. 于建芳,刘升,王俊杰,鲁晓艺.  计算机应用研究. 2020(08)
[4]黄金正弦混合原子优化算法[J]. 肖子雅,刘升.  微电子学与计算机. 2019(06)



本文编号：3660939