应用反向学习策略的群搜索优化算法

• 作者: 丁立新 杨华 汪慎文 舒万能 谢大同 谢承旺
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 群搜索优化算法 反向学习 数值优化
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 183-187
• 分类号: TP301
• 字数: 4852字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.09.041

摘要

群搜索优化算法(Group Search Optimizer,GSO)是一类基于发现者-加入者(Producer-Scrounger,PS)模型的新型群体随机搜索算法.尽管该算法在解决众多问题中表现优越,但其依然面临着早熟和易陷入局部最优的问题,为此,提出了一种基于一般反向学习策略的群搜索优化算法(GOGSO).该算法利用反向学习策略来产生反向种群,然后对当前种群和反向种群进行精英选择.通过对比实验表明,该方法效果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁立新	武汉大学软件工程国家重点实验室计算机学院	62	641	13.0	22.0
2	谢承旺	华东交通大学软件学院	33	403	9.0	19.0
3	汪慎文	武汉大学软件工程国家重点实验室计算机学院	17	288	8.0	16.0
7	谢大同	武汉大学软件工程国家重点实验室计算机学院	3	50	3.0	3.0
8	舒万能	武汉大学软件工程国家重点实验室计算机学院	3	47	3.0	3.0
9	杨华	贵州师范大学数学与计算机学院	7	51	3.0	7.0