|
|
1.
基于
K-均值的“教”与“学”优化算法
黄祥东, 夏士雄, 牛强, 赵志军
计算机应用
2015, 35 (11):
3126-3129.
DOI: 10.11772/j.issn.1001-9081.2015.11.3126
在解决复杂多峰优化问题时,传统的"教"与"学"优化算法易于陷入局部搜索且优化效率较低.针对此问题,提出了一种基于
K-均值的"教"与"学"优化改进算法,算法采用
K-均值来降低种群规模,又针对"教"和"学"两个阶段进行相应改进,提高全局收敛速度;还加入了"变异"操作来避免算法陷入局部最优.实验对7个单峰值优化问题和2个有代表性的多峰值优化问题进行优化,并与手榴弹爆破算法和传统"教"与"学"优化算法进行比较,实验结果表明,该改进算法在单峰和多峰测试函数中,均能快速高效地寻得全局最优解,优于原始"教"与"学"优化算法.
参考文献 |
相关文章 |
多维度评价
|
|
