引入群体发现和加入行为的随机搜索算法
【作者】
王虹
;
卫军胡
;
刘昌军
;
曹建福
【关键词】
群集智能
自由搜索算法
发现者加入者模型
区域混合搜索策略
【摘要】针对自由搜索算法以及自适应随机搜索(ASS)算法效率低和寻优能力不足的问题,提出了一种基于群体发现和加入行为的随机搜索(HASS)算法.HASS算法采用搜索半径的自适应调整策略提高搜索效率,利用区域混合搜索策略引导群体中的不同个体分别进行全局和局部搜索,通过状态评估方法引入变异策略避免陷入局部最优.HASS算法与ASS算法的主要区别体现在解的选择机制和搜索策略上,HASS算法同时接受较优个体和较差个体,分别为两类个体设计不同的寻优策略来指明搜索方向,增强了算法跳出局部最优的能力和寻优效率.对12个标准测试函数的实验结果表明,该算法的寻优成功率可达100%,较之其他4种算法具有更快的收敛速度和更强的全局搜索能力,特别适于处理复杂的函数优化问题.
上一篇:部分耗尽异质环栅场效应晶体管阈值电压模型
下一篇:粒子群优化的隐空间光滑支持向量机算法