检索结果

Select

1. 多策略融合的改进萤火虫算法

雍欣, 高岳林, 赫亚华, 王惠敏

《计算机应用》唯一官方网站 2022, 42 (12): 3847-3855. DOI: 10.11772/j.issn.1001-9081.2021101830

摘要（553）

HTML （7）

PDF （1051KB）（153）

针对传统萤火虫算法（FA）中存在的易陷入局部最优及收敛速度慢等问题，把莱维飞行和精英参与的交叉算子及精英反向学习机制融入到萤火虫优化算法中，提出了一种多策略融合的改进萤火虫算法——LEEFA。首先，在传统萤火虫算法的基础上引入莱维飞行，从而提升算法的全局搜索能力；其次，提出精英参与的交叉算子以提升算法的收敛速度和精度，并增强算法迭代过程中解的多样性和质量；最后，结合精英反向学习机制进行最优解的搜索，从而提高FA跳出局部最优的能力和收敛性能，并实现对于解搜索空间的迅速勘探。为验证所提出的算法的有效性，在基准测试函数上进行了仿真实验，结果表明相较于粒子群优化（PSO）算法、传统FA、莱维飞行萤火虫算法（LFFA）、基于莱维飞行和变异算子的萤火虫算法（LMFA）和自适应对数螺旋-莱维飞行萤火虫优化算法（ADIFA）等算法，所提算法在收敛速度和精度上均表现得更为优异。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于Pareto邻域交叉算子的多目标粒子群优化算法

屈敏高岳林江巧永

计算机应用 2011, 31 (07): 1789-1792. DOI: 10.3724/SP.J.1087.2011.01789

摘要（1679）

PDF （573KB）（893）

针对粒子群优化（PSO）算法局部搜索能力不足的问题，提出一种基于Pareto邻域交叉算子的多目标粒子群优化算法(MPSOP)。该算法利用粒子群优化算法和Pareto邻域交叉算子相结合的策略产生新种群，并利用尺度因子在线调节粒子群优化算法和Pareto邻域交叉算子的贡献量。数值实验选取6个常用测试函数并对NSGA-Ⅱ、SPEA2、MOPSO三个多目标算法进行比较，数值实验结果表明MPSOP算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 融合差分进化和倒序变异扩展蚁群算法

江巧永高岳林

计算机应用 2010, 30 (9): 2283-2285.

摘要（1320）

PDF （563KB）（1257）

为了克服扩展蚁群优化(ACO)容易出现早熟现象，提出在扩展蚁群每次进化后引入倒序变异和差分进化对新种群进行二次变异。通过倒序变异和差分进化(DE)算法计算的信息来影响扩展蚁群的进化进程，以保持群体的活性，实现全局优化的目的。数值试验结果表明新算法精度较高、鲁棒性较强。

相关文章 | 多维度评价

Select

4. 一种带有随机变异的动态差分进化算法

高岳林刘俊梅

计算机应用 2009, 29 (10): 2719-2722.

摘要（1291）

PDF （707KB）（1473）

提出一种带有随机变异的动态差分进化算法。在这个算法中，两种不同的变异策略DE/rand/1和DE/best/1通过线性递减加权组合策略产生新的变异策略，以便动态利用DE/rand/1和DE/best/1的优点，并且引入一种指数递增交叉概率算子、线性递减缩放因子和一种随机变异机制以进一步提高算法的全局寻优能力。通过四个标准测试函数的测试结果表明，该算法是一种收敛速度快、求解精度高、鲁棒性较强，更适合求解高维复杂的全局优化问题。

相关文章 | 多维度评价

Select

5. 一类0/1优化问题融合神经网络的粒子群算法

段玉红高岳林

计算机应用

摘要（1657）

PDF （534KB）（1017）

将局部寻优能力极强的人工Hopfield神经网络算法融合到粒子群优化算法的搜索过程中，提出解决一类0/1优化问题融合神经网络的混合粒子群优化算法。在该算法中依粒子群当前全局最优个体为初始态激活神经网络，生成一个局部最优态，用这个局部最优态代替粒子群当前全局最优个体，增强了算法的局部寻优能力，通过数值试验证明该算法是有效的。

相关文章 | 多维度评价

Select

6. 混沌粒子群优化算法

刘军民高岳林

计算机应用

摘要（2269）

PDF （622KB）（1801）

将混沌融入到传统粒子群提出了混沌粒子群算法。该方法利用了混沌运动的遍历性、随机性以及对初值的敏感性等特性，根据早熟判断机制，在基本粒子群算法陷入早熟时，进行群体的混沌搜索．数值仿真结果表明该方法能跳出局部最优，进一步提高了计算精度和收敛速度，以及全局寻优能力。

相关文章 | 多维度评价