协同进化混合蛙跳算法
【出 处】:
【作 者】:
戴月明
张明明
王艳
【摘 要】针对基本混合蛙跳算法收敛速度慢、求解精度低且易陷入局部最优的问题,提出了一种新的协同进化混合蛙跳算法.该算法在局部搜索策略中,对子群内最差个体的更新引入平均值的同时充分利用最优个体的优秀基因,可有效扩大搜索空间,增加种群的多样性;同时对子群内少量的较差青蛙采取交互学习策略向邻近子群的最优个体交流学习,增加子群间交互的频繁性,提高信息共享程度,有利于进化.在全局迭代过程中采取精英群自学习进化机制,以对精英空间进行精细搜索,获得更优解,进一步提升算法的全局寻优能力,正确导向算法的进化.实验结果表明,所提算法在七个测试函数中均能收敛到最优解0,成功率为100%,优于其他对比算法.所提算法可有效避免陷入早熟收敛,极大地提高了算法的收敛速度和优化精度.
相关热词搜索: 混合蛙跳算法 交互学习 精英群 自学习 协同进化
上一篇: 基于类别特征改进的KNN短文本分类算法
下一篇: 基于正弦函数的直觉模糊集相似度测量及其应用