刘沛
- 作品数：3 被引量：15H指数：3
- 供职机构：北方民族大学信息与计算科学学院信息与系统科学研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于改进的磷虾群和粒子群的混合算法被引量：5
- 2017年
- 针对基本磷虾群(KH)算法在求解高位复杂优化问题时容易陷入局部最优、求解精度低等缺点,提出了一种基于改进的磷虾群和粒子群的混合算法(AIPSOKH).该算法首先对KH算法中的觅食权重和诱导权重采用非线性递减策略,然后将其与惯性权重线性递减的粒子群算法(LDWPSO)混合,采用双子种群同时计算的并行策略进行迭代计算,借鉴自然选择中适者生存的进化机制提升母种群中个体的质量,以此来避免算法陷入局部最优,并提升其求解精度.最后通过8个标准测试函数的对比实验表明,在全局搜索能力和求解精度上与提到的2种算法相比都有着显著优势.
- 刘沛高岳林郭伟
- 关键词：自然选择
- 一种自适应惯性权重的改进磷虾群算法被引量：4
- 2016年
- 提出一种自适应惯性权重的磷虾群算法(AKH)。通过理论论证,得出在采用线性递减的磷虾群算法求解全局优化问题的迭代过程中,出现大量无效迭代是受到惯性权重的影响;进而提出相关改进策略:在以目标函数作为适应度值的基础上,将种群粒子动态分为适应度值变差粒子和适应度值变优粒子两类,令适应度值变差粒子的惯性权重重置为零,从而消除惯性权重对算法当前迭代的不良影响,适应度值变优粒子的惯性权重保持不变;对算法中的步长缩放因子作非线性递减处理,进一步提升算法的全局探索能力。通过9个具有代表性的测试函数进行实验,将该算法与线性递减的粒子群算法(LPSO)、标准磷虾群算法(KH)和线性递减的磷虾群算法(LKH)作性能对比分析。实验表明,该算法能够有效地减少无效迭代次数,在全局探索性能和收敛稳定性方面有着显著优势。
- 郭伟高岳林刘沛
- 关键词：全局优化自适应惯性权重
- 基于自然选择和随机扰动的改进磷虾群算法被引量：7
- 2017年
- 针对磷虾群算法在求解高维复杂优化问题时容易陷入局部最优的缺点,提出一种基于自然选择和随机扰动的改进磷虾群算法.首先提出基于时变的非线性递减策略计算诱导权重和觅食权重,对磷虾群的诱导运动和觅食运动进行了改进;其次在产生新一代磷虾种群时加入随机扰动因子,并且借鉴自然选择中适者生存的进化机制提升磷虾种群中个体的质量,有效的提升了磷虾群算法的全局搜索和局部勘探能力.最后通过9个Benchmark标准测试函数的实验,将该算法与其他算法进行性能对比分析.实验表明,该算法能够有效地避免早熟收敛,在全局搜索和局部勘探能力上有着显著优势.
- 刘沛高岳林郭伟
- 关键词：自然选择
