基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高该算法求解约束优化问题的能力,提出一种新的约束病毒种群搜索算法.首先,提出自适应α-level比较策略,以在算法的不同阶段充分利用可行个体与不可行个体的有效信息;其次,为了进一步提高算法求解约束优化问题的收敛速度和搜索精度,针对算法的病毒扩散行为,提出了结合反向学习机制的搜索方程,以提高种群多样性并加速全局收敛.对CEC2006中13个约束优化函数的对比仿真结果表明,本文算法在搜索精度、收敛速度以及稳定性方面,相比于aSimplex算法、粒子群遗传算法算法、交叉人工蜂群算法算法以及约束改进差分进化算法算法具有明显优势.同时将该算法应用于无人机协同实时航迹规划约束优化问题中,通过仿真实验并与利用约束改进差分进化算法对这一问题进行求解的方法进行对比,验证了本文算法在规划效率、规避威胁等方面的优越性.
推荐文章
应用精英反向学习的引力搜索算法
全局优化
演化算法
精英反向学习
引力搜索
基于逐维反向学习的动态适应布谷鸟算法
布谷鸟搜索算法
反向学习
函数优化
维间干扰
动态适应
一类求解箱式约束优化问题的自适应引力搜索算法
引力搜索算法
全局优化
自适应
函数优化
自适应微调扰动和声搜索算法几何约束求解研究
特征造型
几何约束求解
和声搜索算法
拉斯维加斯算法
自适应微调扰动
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于反向学习的自适应α约束病毒种群搜索算法
来源期刊 工程科学与技术 学科 工学
关键词 病毒种群搜索算法 约束优化 自适应a-level比较策略 反向学习 无人机协同航迹规划
年,卷(期) 2017,(3) 所属期刊栏目 信息工程
研究方向 页码范围 144-152
页数 9页 分类号 TP183
字数 6557字 语种 中文
DOI 10.15961/j.jsuese.201600292
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李牧东 空军工程大学航空航天工程学院 21 304 10.0 17.0
3 赵辉 空军工程大学航空航天工程学院 66 369 11.0 16.0
6 吴利荣 1 1 1.0 1.0
7 陈超 1 1 1.0 1.0
8 李建勋 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (16)
参考文献  (19)
节点文献
引证文献  (1)
同被引文献  (11)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(8)
  • 参考文献(2)
  • 二级参考文献(6)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(4)
  • 参考文献(2)
  • 二级参考文献(2)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(7)
  • 参考文献(7)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
病毒种群搜索算法
约束优化
自适应a-level比较策略
反向学习
无人机协同航迹规划
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工程科学与技术
双月刊
1009-3087
51-1773/TB
大16开
成都市一环路南一段24号
62-55
1957
chi
出版文献量(篇)
4421
总下载数(次)
4
论文1v1指导