应用精英反向学习的混合烟花爆炸优化算法

doi:10.11772/j.issn.1001-9081.2014.10.2886

计算机应用 ›› 2014, Vol. 34 ›› Issue (10): 2886-2890.DOI: 10.11772/j.issn.1001-9081.2014.10.2886

应用精英反向学习的混合烟花爆炸优化算法

王培崇¹,²,高文超²,³,钱旭²,苟海燕⁴,汪慎文⁵

1. 石家庄经济学院信息工程学院，石家庄 050031；
2. 中国矿业大学(北京) 机电与信息工程学院，北京 100083；
3. 清华大学计算机系，北京 100084；
4. 石家庄经济学院华信学院，石家庄 050071
5. 石家庄经济学院信息工程学院，石家庄 050031

收稿日期:2014-05-04 修回日期:2014-06-16 发布日期:2014-10-30 出版日期:2014-10-01
通讯作者: 王培崇
作者简介:王培崇（1972-），男，河北辛集人，副教授，博士，主要研究方向：计算智能、机器学习；
高文超（1986-），女，山东泰安人，讲师，博士，主要研究方向：模式识别；
钱旭（1962-），男，江苏南京人，教授，博士生导师，博士，主要研究方向：信息融合；
苟海燕（1984-），女，陕西西安人，硕士，主要研究方向：计算智能；
汪慎文（1978-），男，湖北武汉人，副教授，博士，主要研究方向：计算智能。
基金资助:
教育部博士点建设基金资助项目;河北省科技支撑计划项目;河北省教育厅基金资助项目;石家庄经济学院基金预研项目;博士科研基金资助项目;河北省青年拔尖人才支持计划项目

Hybrid fireworks explosion optimization algorithm using elite opposition-based learning

WANG Peichong¹,²,GAO Wenchao²,³,QIAN Xu²,GOU Haiyan⁴,WANG Shenwen¹

1. School of Information Engineering, Shijiazhuang University of Economics, Shijiazhuang Hebei 050031, China;
2. School of Mechanical Electronic and Information Engineering, China University of Mining and Technology-Beijing, Beijing 100083, China;
3. Department of Computer, Tsinghua University, Beijing 100084, China;
4. HuaXin College, Shijiazhuang University of Economics, Shijiazhuang Hebei 050071, China

Received:2014-05-04 Revised:2014-06-16 Online:2014-10-30 Published:2014-10-01
Contact: WANG Peichong

摘要/Abstract

摘要：

针对烟花爆炸优化(FEO)算法容易早熟、解精度低的弱点，提出了一种精英反向学习(OBL)的解空间搜索策略。在每次迭代过程中均对当前最佳个体执行反向学习，生成其动态搜索边界内的反向搜索种群，引导算法向包含全局最优的解空间逼近，以提高算法的平衡和探索能力。为了保持种群的多样性，计算种群内个体对当前最佳个体的突跳概率，并依据此概率值采用轮盘赌机制选择进入子种群的个体。通过在5组标准测试函数的实验仿真并与相关的算法对比，结果表明所提出的改进算法对数值优化具有更高的收敛速度和收敛精度，适合求解高维的数值优化问题。

Abstract:

Concerning the problem that Fireworks Explosion Optimization (FEO) algorithm is easy to be premature and has low solution precision, an elite Opposition-Based Learning (OBL) was proposed. In every iteration, OBL was executed by the current best individual to generate an opposition search populations in its dynamic search boundaries, thus the search space of the algorithm was guided to approximate the optimum space. This mechanism is helpful to improve the balance and exploring ability of the FEO. For keeping the diversity of population, the sudden jump probability of the individual to the current best individual was calculated, and based on it, the roulette mechanism was adopted to choose the individual which entered into the child population. The experimental simulation on five classical benchmark functions show that, compared with the related algorithm, the improved algorithm has higher convergence rate and accuracy for numerical optimization, and it is suitable to solve the high dimensional optimization problem.

中图分类号:

TP18

王培崇高文超钱旭苟海燕汪慎文. 应用精英反向学习的混合烟花爆炸优化算法[J]. 计算机应用, 2014, 34(10): 2886-2890.

WANG Peichong GAO Wenchao QIAN Xu GOU Haiyan WANG Shenwen. Hybrid fireworks explosion optimization algorithm using elite opposition-based learning[J]. Journal of Computer Applications, 2014, 34(10): 2886-2890.

参考文献

［1］ABDELKADER R F. An improved discrete PSO with GA operators for efficient QoS-multicast routing ［J］. International Journal of Hybrid Information Technology, 2011,4(2):23-38.
［2］SIVANANAITHAPERUMAL S, AMALL S M J, BASKAR S, et al.Constrained self-adaptive differential evolution based design of robust optimal fixed structure controller ［J］. Engineering Applications of Artificial Intelligence, 2011,24(6):1084-1093.［3］ZHOU Y, HUANG Z, LIU H. Discrete glowworm swarm optimization algorithm for TSP problem ［J］. Acta Electronica Sinica, 2012,40(6):1164-1170.( 周永权,黄正新,刘洪霞.求解TSP 问题的离散型萤火虫群优化算法［J］.电子学报,2012,40(6):1164-1170.)
［4］WU H, CHEN X, MAO Q, et al.Improved ant colony algorithm based on natural selection strategy for solving TSP problem ［J］. Journal on Communications, 2013,4(4):165-170. (吴华锋,陈信强,毛奇凰，等.基于自然选择策略的蚁群算法求解 TSP 问题［J］.通信学报,2013,4(4):165-170.)
［5］TAN Y, ZHU Y. Fireworks algorithms for optimization ［C］// Proceedings of International Conference on Swarm Intelligence. Piscataway: IEEE Press, 2010:355-364.
［6］DU Z. Study on improvement of explosion radius in fireworks algorithm ［J］. Computer Era, 2013,10(1):28-29.(杜振鑫.烟花算法中爆炸半径的改进研究［J］.计算机时代,2013,10(1):28-29.)
［7］CAO J, JIA H, LI T. A fireworks explosion optimization algorithm ［J］. Computer Engineering and Science, 2011,33(1):138-142.(曹炬,贾红,李婷婷.烟花爆炸优化算法［J］.计算机工程与科学,2011,33(1):138-142.)
［8］CAO J, JI Y. An improved fireworks explosion optimization algorithm and its convergence analysis ［J］. Computer Engineering, 2012,34(1):90-93.(曹炬,季艳芳.改进的烟火爆炸优化算法及其收敛性分析［J］.计算机工程与科学,2012,34(1):90-93.)
［9］CAO J, LI T, JIA H. Fireworks explosion optimization algorithm with genetic operators ［J］. Computer Engineering, 2010,36(12):149-151.(曹炬,李婷婷,贾红.带有遗传算子的烟花爆炸优化算法［J］.计算机工程,2010,36(12):149-151.)
［10］TIZHOOSH H R. Opposition-based learning: a new scheme for machine intelligence ［C］// Proceedings of the 2005 International Conference on Computational Intelligence for Modelling, Control and Automation, and International Conference on Intelligence Agent, Web Technologies and Internet Commerce. Piscataway: IEEE Press, 2005:695-701.

［11］Al-QUNAIEER F S, TIZHOOSH H R, RAHNAMAYAN S. Opposition based computing—a survey ［C］// Proceedings of the 2010 International Joint Conference on Neural Networks. Piscataway: IEEE Press, 2010:1-7.

［12］WANG H. Research on intelligence algorithms based on region transformation search and its applications ［D］. Wuhan: Wuhan University, 2011.(王晖.区域变换搜索的智能算法研究［D］.武汉:武汉大学,2011.)

[1]	吕乐张博瀚荆军昌刘栋. 基于持久性的多目标节点隐藏方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	宫智宇王士同. 面向重尾噪声图像分类的残差网络学习方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	王虎王晓峰李可马云洁. 融合多头自注意力的标签语义嵌入联邦类增量学习方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	丁建立, 黄辉, 曹卫东. 航班链运行状态动态监控方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3941-3948.
[5]	刘晶鑫, 黄雯静, 徐亮胜, 黄冲, 吴建生. 字典学习与样本关联保持结合的无监督特征选择模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3766-3775.
[6]	宋逸飞, 柳毅. 基于数据增强和标签噪声的快速对抗训练方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3798-3807.
[7]	沈嫣然, 温昕, 张瑾昊, 张帅, 曹锐, 高保禄. 轻量级多尺度卷积网络的功能磁共振成像脑龄预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3949-3957.
[8]	张祖篡, 陈学斌, 高瑞, 邹元怀. 基于标签分类的联邦学习客户端选择方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3759-3765.
[9]	蒋权黄文清苟志勇. 基于等变图神经网络的拉格朗日粒子流模拟[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	李岚皓严皓钧周号益孙庆赟李建欣. 基于神经网络的多尺度信息融合时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	张学飞张丽萍闫盛侯敏赵宇博. 知识图谱与大语言模型协同的个性化学习推荐[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[13]	索晋贤张丽萍闫盛王东奇张雅雯. 可解释的深度知识追踪方法综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[14]	陈丹阳张长伦. 多尺度去相关的图卷积网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[15]	蒋沛宇王永光任亚亭李硕晨谭火彬. 基于测量不确定度表示指南的目标检测不确定度测量方案[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.

应用精英反向学习的混合烟花爆炸优化算法

Hybrid fireworks explosion optimization algorithm using elite opposition-based learning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics