基于自适应学习策略的改进鸽群优化算法

发布时间：2022-12-03 22:07

　　鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。 

【文章页数】：9 页

【文章目录】：
1 改进的鸽群优化算法
    1.1 ALPIO算法描述
    1.2 基于容差的搜索方向调整策略
    1.3 基于自学习的候选者生成策略
    1.4基于竞争学习的预测策略
2 仿真实验
    2.1 参数设置
    2.2 实验结果分析
3 结 论


【参考文献】：
期刊论文
[1]Comprehensive learning pigeon-inspired optimization with tabu list[J]. Shang XIANG,Lining XING,Ling WANG,Kai ZOU.  Science China（Information Sciences）. 2019(07)
[2]A hybrid quantum-based PIO algorithm for global numerical optimization[J]. Boyi CHEN,Hao LEI,Haidong SHEN,Yanbin LIU,Yuping LU.  Science China（Information Sciences）. 2019(07)
[3]Spacecraft formation reconfiguration trajectory planning with avoidance constraints using adaptive pigeon-inspired optimization[J]. Bing HUA,Yu HUANG,Yunhua WU,Zhiming CHEN,Dery NICHOLAS.  Science China（Information Sciences）. 2019(07)
[4]基于捕食逃逸鸽群优化的无人机紧密编队协同控制[J]. 段海滨,邱华鑫,范彦铭.  中国科学:技术科学. 2015(06)
[5]Gaussian pigeon-inspired optimization approach to orbital spacecraft formation reconfiguration[J]. Zhang Shujian,Duan Haibin.  Chinese Journal of Aeronautics. 2015(01)



本文编号：3707070