求解高维优化问题的扰动混沌蚁群优化算法

doi:10.3724/SP.J.1087.2011.01084

计算机应用 ›› 2011, Vol. 31 ›› Issue (04): 1084-1089.DOI: 10.3724/SP.J.1087.2011.01084

求解高维优化问题的扰动混沌蚁群优化算法

葛方振¹,²,魏臻¹,田一鸣¹,陆阳¹

1. 合肥工业大学计算机与信息学院，合肥 230009
2. 淮北师范大学计算机科学与技术学院，安徽淮北 235000

收稿日期:2010-10-08 修回日期:2010-11-10 发布日期:2011-04-08 出版日期:2011-04-01
通讯作者: 葛方振
作者简介:葛方振(1975-)，男，安徽淮北人，讲师，博士研究生，主要研究方向：分布式计算、计算智能;
魏臻(1965-)，男，安徽合肥人，教授，博士生导师，博士，主要研究方向：分布式控制;
田一鸣(1982-)，男，安徽阜阳人，博士研究生，主要研究方向：无线Ad Hoc网络;
陆阳(1967-)，男，安徽合肥人，教授，博士生导师，博士，主要研究方向：无线Ad Hoc网络、分布式控制。
基金资助:
国家自然科学基金资助项目(60873195;61070220);高等学校博士学科点专项科研基金资助项目(20090111110002);安徽省教育厅省级自然科学基金资助项目(KJ2009B115)

High-dimensional optimization problems via disturbance chaotic ant swarm algorithm

Fang-zen GE¹,²,Zhen WEI¹,Yi-ming TIAN¹,Lu-yang LU¹

1. School of Computer and Information, Hefei University of Technology, Hefei Anhui 230009, China
2. School of Computer Science and Technology, Huaibei Normal University, Huaibei Anhui 235000, China

Received:2010-10-08 Revised:2010-11-10 Online:2011-04-08 Published:2011-04-01
Contact: Fang-zen GE

摘要/Abstract

摘要： 针对新型混沌蚁群优化算法(CAS)求解高维优化问题时存在的计算复杂和搜索精度低问题，提出了扰动混沌蚂蚁群(DCAS)算法。通过建立蚂蚁最佳位置更新贪婪规则和随机邻居选择方法有效地降低了计算复杂度;另外引入自适应扰动策略改进CAS算法，使蚂蚁增强局部搜索能力，提高了原算法的搜索精度。通过一组高维测试函数对DCAS算法的性能进行了高达1000维的仿真实验。测试结果表明，新算法对复杂的高维优化问题可行有效。

关键词: 群智能, 混沌蚁群, 全局搜索, 高维优化问题, 函数优化

Abstract: To resolve the problems of computational complexity and search precision existing in Chaotic Ant Swarm (CAS), a Disturbance CAS (DCAS) algorithm was proposed to significantly improve the performance of the original algorithm. DCAS algorithm reduced computational complexity by a new greedy method of updating ant's best position and a random neighbor selection method. Furthermore, a self-adaptive disturbance strategy was introduced to improve the precision of DCAS by developing ant's local search. Extensive computational studies were also carried out to evaluate the performance of DCAS on a new suite of benchmark functions with up to 1000 dimensions. The results show clearly that the proposed algorithm is effective as well as efficient for the complex high-dimensional optimization problems.

Key words: swarm intelligence, Chaotic Ant Swarm (CAS), global search, high-dimensional optimization problem, function optimization

中图分类号:

TP18

葛方振魏臻田一鸣陆阳. 求解高维优化问题的扰动混沌蚁群优化算法[J]. 计算机应用, 2011, 31(04): 1084-1089.

Fang-zen GE Zhen WEI Yi-ming TIAN Lu-yang LU. High-dimensional optimization problems via disturbance chaotic ant swarm algorithm[J]. Journal of Computer Applications, 2011, 31(04): 1084-1089.

[1]	杜晓昕, 周薇, 王浩, 郝田茹, 王振飞, 金梅, 张剑飞. 智能算法的亚群优化策略综述[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 819-830.
[2]	王波, 王浩, 杜晓昕, 郑晓东, 周薇. 基于亚群和差分进化的混合蜻蜓算法[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2868-2876.
[3]	程美英, 钱乾, 熊伟清. 信息迁移多任务优化共生生物搜索算法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2237-2247.
[4]	沙林秀, 聂凡, 高倩, 孟号. 基于布朗运动与梯度信息的交替优化算法[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2139-2145.
[5]	朱诚, 潘旭华, 张勇. 基于趋化校正的哈里斯鹰优化算法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1186-1193.
[6]	李宗正, 周恺卿, 欧云, 丁雷. 基于基因交换的自适应人工鱼群算法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 701-707.
[7]	程美英, 钱乾, 倪志伟, 朱旭辉. 信息筛选多任务优化自组织迁移算法[J]. 计算机应用, 2021, 41(6): 1748-1755.
[8]	李克文, 马祥博, 候文艳. 带有自适应合并策略和导向算子的增强型烟花算法[J]. 计算机应用, 2021, 41(1): 81-86.
[9]	胡亮, 肖人彬, 李浩. 蜂群双抑制劳动分工算法及其在交通信号配时中的应用[J]. 计算机应用, 2019, 39(7): 1899-1904.
[10]	沈莹, 黄樟灿, 谈庆, 刘宁. 基于动态压力控制算子的磷虾群算法[J]. 计算机应用, 2019, 39(3): 663-667.
[11]	陈孟辉, 刘俊麟, 徐健锋, 李向军. 求解旅行商问题的多样化搜索帝国竞争算法[J]. 计算机应用, 2019, 39(10): 2992-2996.
[12]	吕进锋, 赵怀慈. 基于记忆库粒子群算法的海上协作搜寻计划制定[J]. 计算机应用, 2018, 38(9): 2477-2482.
[13]	童楠, 符强, 钟才明. 基于自主学习行为的教与学优化算法[J]. 计算机应用, 2018, 38(2): 443-447.
[14]	张强, 邹德旋, 耿娜, 沈鑫. 基于多变异策略的自适应差分进化算法[J]. 计算机应用, 2018, 38(10): 2812-2821.
[15]	梁冰, 徐华. 基于改进人工蜂群的核模糊聚类算法[J]. 计算机应用, 2017, 37(9): 2600-2604.

求解高维优化问题的扰动混沌蚁群优化算法

High-dimensional optimization problems via disturbance chaotic ant swarm algorithm

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