检索结果

Select

1. 基于均匀局部搜索和可变步长的萤火虫算法

王晓静, 彭虎, 邓长寿, 黄海燕, 张艳, 谭旭杰

计算机应用 2018, 38 (3): 715-721. DOI: 10.11772/j.issn.1001-9081.2017082039

摘要（484）

PDF （1137KB）（482）

针对萤火虫算法（FA）收敛速度慢和求解精度不高的问题，提出一种基于均匀局部搜索和可变步长策略的萤火虫优化算法（UVFA）。首先，根据均匀设计理论建立局部搜索算子，对FA的搜索过程进行改进，以提升算法的局部开采能力和收敛速度；其次，利用可变步长策略，动态地调整算法搜索步长，以平衡全局和局部的勘探能力和开采能力；最后将均匀局部搜索算子和可变步长进行融合。通过对12个标准测试函数进行仿真实验，结果表明，UVFA的目标函数均值均明显优于FA、明智步长策略的萤火虫算法（WSSFA）、可变步长萤火虫算法（VSSFA）和基于均匀局部搜索的萤火虫优化算法（UFA），并且时间复杂度明显降低，并且在低维和高维问题中均显示出了较好的质量，具有良好的鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

2. 求解大规模优化问题的新型协同差分进化算法

董小刚, 邓长寿, 谭毓澄, 彭虎, 吴志健

计算机应用 2017, 37 (11): 3219-3225. DOI: 10.11772/j.issn.1001-9081.2017.11.3219

摘要（529）

PDF （1056KB）（507）

基于分而治之的策略，研究求解大规模优化问题的新方法。首先，基于加性可分性原理提出一种改进的变量分组方法，该方法以随机取点的方式，成对检测所有变量之间的相关性；同时，充分利用相关性学习的信息，对可分变量组进行再次降维；其次，引入改进的差分进化算法作为新型子问题优化器，增强了子空间的寻优性能；最后，将两项改进引入到协同进化框架构建DECC-NDG-CUDE算法。在10个选定的大规模优化问题上进行分组和优化两组仿真实验，分组实验结果表明新的分组方法能有效识别变量的相关性，是有效的变量分组方法；优化实验表明，DECC-NDG-CUDE算法对10个问题的求解相对于两种知名算法DECC-DG、DECCG在性能上具备整体优势。

参考文献 | 相关文章 | 多维度评价

Select

3. 多子群协同进化的多目标微粒群优化算法

彭虎黄伟邓长寿

计算机应用 2012, 32 (02): 456-460. DOI: 10.3724/SP.J.1087.2012.00456

摘要（953）

PDF （658KB）（499）

微粒群优化(PSO)算法是一种非常有竞争力的求解多目标优化问题的群智能算法，因其容易陷入局部极值，导致非劣解集的收敛性和正确性不理想。为此提出一种基于多目标分解进化策略的多子群协同进化的多目标微粒群优化算法(MOPSO_MC)，算法中每个子群对应于一个多目标分解之后的子问题，并构造了一种新的速率更新策略，每个粒子跟踪自身历史最优值、子群最优值和子群邻域最优值，从而在增强算法的局部寻优能力的同时，也能从邻域子群获得进化信息，实现协同进化。最后通过仿真实验，与现在主流的多目标微粒群算法在ZDT基准测试函数上比较，验证了算法的收敛性，解分布的均匀性和正确性。

参考文献 | 相关文章 | 多维度评价

Select

4. CCFAI2017+55+求解大规模优化问题的新型协同差分进化算法

董小刚邓长寿谭毓澄彭虎吴志健

录用日期: 2017-06-07