求解高维优化问题的改进正弦余弦算法

• 作者: 徐松金 龙文
• 来源期刊: 计算机应用研究
• 关键词: 正弦余弦算法 高维优化问题 反向学习 惯性权重
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2574-2577
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.09.003

摘要

提出一种改进的正弦余弦算法(简记为ISCA).受粒子群优化(PSO)算法的启发,引入惯性权重以提高正弦余弦算法的收敛精度和加快收敛速度.此外,采取反向学习策略产生初始个体以提高种群的多样性和解的质量.采用八个高维基准测试函数进行仿真实验:在相同的最大适应度函数评价次数下,ISCA总体性能上均优于基本SCA和HGWO算法;当维数较高(D=1000)时,ISCA所用计算量远小于HDEOO算法.实验结果表明ISCA在收敛精度和收敛速度指标上均优于对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙文	贵州财经大学贵州省经济系统仿真重点实验室	53	474	13.0	20.0
2	徐松金	铜仁学院大数据学院	28	154	7.0	12.0