检索结果

Select

1. 基于自适应调整哈里斯鹰优化算法求解机器人路径规划问题

黄霖, 符强, 童楠

《计算机应用》唯一官方网站 2023, 43 (12): 3840-3847. DOI: 10.11772/j.issn.1001-9081.2022121847

摘要（218）

HTML （6）

PDF （1437KB）（140）

针对启发式算法在机器人路径规划过程中存在路径长度不稳定和易陷入局部极小点的问题，提出一种基于自适应调整哈里斯鹰优化（AAHHO）算法。首先，利用收敛因子调整策略，调节全局搜索阶段和局部搜索阶段的平衡，同时利用自然常数为底数，提高搜索效率和收敛精度；其次，在全局搜索阶段，采用精英合作引导搜索策略，通过3个精英哈里斯鹰合作引导其他个体更新位置以提高搜索性能，通过3个最优位置加强种群间的信息交流；最后，通过模拟种内竞争策略增强哈里斯鹰跳出局部最优的能力。函数测试和机器人路径规划对比实验结果表明，所提算法无论是函数测试还是机器人路径规划都优于IHHO（Improve Harris Hawk Optimization）和CHHO（Chaotic Harris Hawk Optimization）等对比算法，对于求解机器人的路径规划具有较好的有效性、可行性和稳定性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于自主学习行为的教与学优化算法

童楠, 符强, 钟才明

计算机应用 2018, 38 (2): 443-447. DOI: 10.11772/j.issn.1001-9081.2017081953

摘要（514）

PDF （836KB）（402）

针对教与学优化（TLBO）算法收敛精度较低、易于早熟收敛等问题，提出一种基于自主学习行为的教与学优化算法（SLTLBO）。SLTLBO算法为学生构建了更加完善的学习框架，学生在完成常规"教"阶段与"学"阶段的学习行为之外，将进一步对比自己与教师、最差学生的差异，自主完成多样化的学习操作，以提高自己的知识水平，提高算法的收敛精度；同时学生通过高斯搜索的自主学习反思行为跳出局部区域，实现更好的全局搜索。利用10个基准测试函数对SLTLBO算法进行了性能测试，并将SLTLBO算法与粒子群优化（PSO）算法、智能蜂群（ABC）算法以及TLBO算法进行结果比对，实验结果验证了SLTLBO算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于模拟退火机制的多种群萤火虫算法

王铭波, 符强, 童楠, 刘政, 赵一鸣

计算机应用 2015, 35 (3): 691-695. DOI: 10.11772/j.issn.1001-9081.2015.03.691

摘要（531）

PDF （727KB）（535）

针对传统萤火虫算法(FA)中存在的过早收敛和易陷入局部最优解等问题,提出了一种基于模拟退火机制的多种群萤火虫算法(MFA_SA):将萤火虫种群平均分为参数不同的多个子种群。为了防止算法陷入局部最优解,利用模拟退火机制大概率接受较好的解,小概率接受较差的解。同时,在种群寻优的过程中引入可变的距离权重,通过萤火虫算法的迭代次数动态调整萤火虫的"视野"范围。利用5个标准测试函数对该算法进行了对比仿真测试,结果表明,该算法在4个测试函数中均能寻找到全局最优解,并且在最优值、平均值、方差等指标上均比对比算法高出多个数量级,验证了新算法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

4. 一种基于自主学习行为的教与学优化算法

童楠符强钟才明

计算机应用
录用日期: 2017-10-03