|
|
1.
求解高维函数的改进萤火虫群优化算法
彭硕 欧阳艾嘉 乐光学 贺明华 周旭
计算机应用
2013, 33 (08):
2253-2256.
针对萤火虫群优化(GSO)算法求解高维函数时存在求解精度不高、收敛速度慢等缺点，提出了一种带变异算子和集群觅食行为算子的改进萤火虫群优化算法。该算法使用变异算子来指导离群萤火虫的进化方向，从而提高了离群个体的利用率，改善了算法的整体效率。集群觅食行为算子的加入能使算法对捕捉到的全局最优域进行更进一步的求精，极大地提高了算法的计算精度和收敛速度;同时，该算子有效地防止了算法陷入局部最优值的危险，扩大了算法在后期的全局搜索范围。通过8个典型的基准函数测试，结果表明：改进后萤火虫群优化算法具有更强的全局优化能力和更高的成功率。
参考文献 |
相关文章 |
多维度评价
|
|
