反向学习和声搜索算法优化高维函数问题

• 作者: 孔祥勇 欧阳海滨 邹德旋 高立群
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 反向全局和声搜索算法 随机位置更新 反向学习技术 变异策略 模拟退火选择机制
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 571-578
• 页数: 8页
• 分类号: TP301
• 字数: 6795字
• 语种: 中文

摘要

提出一种反向学习和声搜索(OLHS)算法,该算法设计了随机位置更新操作,进一步提高算法的全局搜索能力;融合了反向学习技术,拓宽解空间的开发,增加解的多样性;引进了小概率变异策略,平衡算法的聚集和发散过程,防止算法陷入局部最优;采用了模拟退火选择机制,推动和声记忆库的更新,增加新解的有效利用.对10个高维标准函数进行了测试,同基本和声搜索算法及最近文献中提出的7种优秀改进和声搜索算法相比较,结果表明本文算法具有更好的优化性能.最后,分析了关键参数F和Pm对算法优化性能的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高立群	东北大学信息科学与工程学院	201	2757	24.0	42.0
2	孔祥勇	东北大学信息科学与工程学院	26	270	9.0	15.0
3	欧阳海滨	东北大学信息科学与工程学院	28	335	10.0	17.0
4	邹德旋	江苏师范大学电气工程及自动化学院	22	100	6.0	9.0