基于高斯扰动和指数递减策略的改进蝙蝠算法

• 作者: 宋一民 李煜
• 来源期刊: 计算机应用研究
• 关键词: 蝙蝠算法 高斯扰动 指数递减策略 算法改进 函数优化
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1384-1389
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0802

摘要

针对基本蝙蝠算法后期收敛速度慢、收敛精度不高、稳定性不强等问题,提出基于高斯扰动和指数递减策略的改进蝙蝠算法(GDEDBA).将指数递减策略引入速度更新公式,使算法迅速进入局部寻优并展开精确搜索;构造高斯扰动项加入到局部新解产生公式,使局部新解中所有粒子与当前全局最优粒子产生信息交流与学习,防止陷入局部最优,增加种群多样性;设计扰动控制因子来控制高斯扰动的扰动范围,增强算法的稳定性.15个测试函数的仿真结果表明,改进算法的寻优性能显著提高,收敛速度更快,求解精度更高,稳定性更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李煜	河南大学商学院	23	250	7.0	15.0
5	宋一民	郑州财经学院现代物流与管理系	1	0	0.0	0.0