具有自学习能力的变异蝙蝠优化算法及性能仿真

• 作者: 刘春菊 尚俊娜 岳克强 李林
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 蝙蝠算法 自学习策略 变异选择 寻优精度 多维函数优化
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 301-308
• 页数: 8页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.201702009

摘要

针对标准蝙蝠算法进化特点,提出了具有自学习能力和个体变异的蝙蝠优化算法,该算法中全局最优个体具有自学习能力,使全局最优解在小范围内进行自我优化,能够引导算法中个体进行深度搜索;同时算法中每个个体动态的成比例形成变异群,依据贪婪选择机制,保护了优良个体,避免个体退化.通过以上算子的融入来提高算法的优化精度和收敛速度,避免算法早熟.通过对基本标准函数的测试,验证了算法具有寻优能力强,搜索精度高的优点,能有效的跳出局部最优,一定程度上弥补了算法高维弱势的缺陷,对于工程中复杂的优化函数有较大的使用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尚俊娜	杭州电子科技大学通信工程学院	83	474	11.0	17.0
2	岳克强	杭州电子科技大学电子信息学院	25	122	7.0	10.0
3	刘春菊	杭州电子科技大学通信工程学院	4	31	4.0	4.0
4	李林	杭州电子科技大学通信工程学院	8	69	6.0	8.0