混合方法优化的自适应引力搜索算法

发布时间：2023-01-15 17:47

　　针对引力搜索算法存在的易早熟收敛、易陷入局部最优、搜索精度有待提高等缺陷,提出一种混合方法优化的自适应引力搜索算法（gravitational search algorithm,GSA）。首先利用Sobol序列初始化种群,增强算法全局搜索能力;其次引入Hamming贴进度计算种群成熟度,判断种群是否早熟;然后引入Logistic混沌对种群作混沌搜索,变异已陷入局部最优的粒子位置;最后基于早熟收敛判断因子改进引力系数,并为粒子位置公式添加收缩因子,促使种群加快脱离局部最优。对9个不同类型的基准测试函数做仿真实验,结果表明新算法能有效改善种群的早熟问题,具备更好的寻优性能。 

【文章页数】：9 页

【文章目录】：
0 引言
1 GSA
2 HMAGSA
    2.1 基于Sobol序列的种群初始化
    2.2 早熟收敛判断因子
    2.3 引力系数自适应调整
    2.4 粒子位置更新策略
    2.5 Logistic混沌及其在算法中的应用
    2.6 算法流程
3 实验验证
    3.1 基准函数测试
    3.2 参数分析
4 结论


【参考文献】：
期刊论文
[1]Tent混沌和模拟退火改进的飞蛾扑火优化算法[J]. 岳龙飞,杨任农,张一杰,于洋,张振兴.  哈尔滨工业大学学报. 2019(05)
[2]一种改进的灰狼优化算法[J]. 龙文,蔡绍洪,焦建军,伍铁斌.  电子学报. 2019(01)
[3]一种群体智能算法——狮群算法[J]. 刘生建,杨艳,周永权.  模式识别与人工智能. 2018(05)
[4]基于改进人工蜂群算法的MIMO雷达稀疏阵列优化[J]. 庞育才,刘松.  系统工程与电子技术. 2018(05)
[5]物种生灭算法[J]. 杨永建,禚真福,黄柏儒,樊晓光,邓有为,王彪.  系统工程与电子技术. 2018(04)

硕士论文
[1]新的区间值模糊集相似度量研究[D]. 李敏莎.华中科技大学 2018



本文编号：3731315