检索结果

Select

1. 带高效变异尺度系数和贪婪交叉策略的回溯搜索优化算法

王晓娟刘三阳田文凯

计算机应用 2014, 34 (9): 2543-2546. DOI: 10.11772/j.issn.1001-9081.2014.09.2543

摘要（354）

PDF （681KB）（539）

针对回溯搜索优化算法(BSA)收敛速度慢的缺点,提出基于麦克斯韦〖CD*2〗玻尔兹曼分布的变异尺度系数和带贪婪性的交叉策略,来提高算法收敛速度。利用麦克斯韦〖CD*2〗玻尔兹曼分布产生变异尺度系数,能有效提高搜索效率,提高收敛速度;在交换维数较少的交叉策略中使用向优秀个体群学习过的变异种群进行交叉,在充分保证种群多样性的前提下为交叉策略添加了一定贪婪性,成功克服了以往算法添加贪婪性时易陷入局部最优的缺点。对15个标准测试函数进行仿真实验,结果显示,改进算法收敛速度较快，收敛精度较高,即使在高维多峰函数中,相同迭代次数后改进算法的搜索结果比原BSA平均高出近14个数量级,收敛精度均达到10-10以上。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于差分进化的生物地理学优化算法

叶开文刘三阳高卫峰

计算机应用 2012, 32 (11): 2981-2984. DOI: 10.3724/SP.J.1087.2012.02981

摘要（1191）

PDF （571KB）（666）

针对生物地理学优化算法在实数编码时搜索能力较弱的缺点，提出一种基于差分进化的混合优化算法(BBO/DEs)。通过将差分进化的搜索性与生物地理优化算法的利用性有机结合，以解决原算法在局部搜索时容易出现早熟的问题；并构造一种基于Levy分布的变异方式，确保种群在进化过程中保持多样性；最后通过实验比较，选取了合适的试验策略。利用高维标准测试函数对相关算法进行实验，结果表明该算法能够克服搜索能力不足的缺点，并继承了原算法的快速收敛性能，可以有效兼顾精度与速度的要求。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于吸引排斥机制的粒子群优化算法

赵鹏军刘三阳李;超

计算机应用

摘要（1436）

PDF （559KB）（596）

针对标准粒子群优化算法在处理复杂函数优化问题时容易陷入局部最优、收敛精度低的缺点,提出了一种改进的PSO算法，该算法把生物学中的吸引排斥思想引入到PSO算法中，充分利用粒子间的相互影响，修正了其速度更新公式，从而维持了群体的多样性，增强了粒子跳出局部最优解的能力。实验仿真结果表明,改进的PSO算法提高了进化后期的收敛速度，有效避免了PSO算法的早熟收敛问题，而且具有较高的收敛精度。