基于精英反向学习的逐维改进蜻蜓算法

发布时间：2021-06-27 10:01

　　针对蜻蜓算法（DA）寻优精度不高、收敛速度慢及后期搜索活力不足等问题,提出了基于精英反向学习的逐维改进蜻蜓算法（EDDA）.首先,利用精英反向学习策略初始化种群,以增强种群多样性,提高搜索效率;其次,利用逐维更新策略对蜻蜓个体进行更新,减少维间干扰,有效提高了算法的寻优能力;最后,充分利用当前解的信息双向搜索,提升了解的搜索活力.通过9个测试函数的实验结果表明,该算法相比较于标准蜻蜓算法,寻优精度更高、收敛速度更快及后期搜索活力更强,与其他改进算法相比也具有一定的竞争优势. 

【文章来源】：南京师大学报(自然科学版). 2019,42(03)北大核心CSCD

【文章页数】：8 页

【文章目录】：
1 相关工作
    1.1 蜻蜓算法(DA)
    1.2 反向学习
2 EDDA算法
    2.1 基于精英反向学习的种群初始化
    2.2 基于贪婪保留的逐维更新策略
    2.3 基于当前解信息的双向搜索
3 实验与结果分析
    3.1 测试函数和实验参数设置
    3.2 与标准DA算法的比较
        3.2.1 寻优能力比较
        3.2.2 维度变化比较
    3.3 与其他改进算法比较
4 结语


【参考文献】：
期刊论文
[1]差分进化的蜻蜓算法[J]. 赵齐辉,杜兆宏,刘升,陈思静.  微电子学与计算机. 2018(07)
[2]一种基于佳点集原理与引力搜索的新型蜻蜓算法[J]. 马骏,项铁铭.  软件导刊. 2018(01)
[3]一种改进的多目标蜻蜓优化算法[J]. 韩鹏,陈锋.  微型机与应用. 2017(20)
[4]基于增强个体信息交流的蜻蜓算法[J]. 吴伟民,吴汪洋,林志毅,李泽熊,方典禹.  计算机工程与应用. 2017(04)
[5]基于反向学习与Levy飞行的改进蜂群算法[J]. 赵挺,孟子航,沈海斌.  传感器与微系统. 2017(01)
[6]一种基于反向学习的约束差分进化算法[J]. 魏文红,周建龙,陶铭,袁华强.  电子学报. 2016(02)
[7]逐维改进的布谷鸟搜索算法[J]. 王李进,尹义龙,钟一文.  软件学报. 2013(11)

硕士论文
[1]布谷鸟搜索算法的应用研究与改进[D]. 范帅军.西南交通大学 2016



本文编号：3252638