改进的融合粒子群算法的正弦余弦算法在全局优化问题中的研究

• 作者: 乔雪婷
• 来源期刊: 数码设计（下）
• 学科: 工学
• 关键词: 正弦余弦算法(SCA) 优化算法 差分进化算法(DE) 组合变异 支持向量机(SVM)
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机与应用
• 页码范围: 6-7
• 页数: 2页
• 分类号: TP301.6
• 字数: 2114字
• 语种: 中文

摘要

现实中的优化问题需要一种有效的元启发式算法,既要保持解的多样性,又要充分利用问题的搜索空间来找到全局最优解.正弦余弦算法(SCA)是一种近年来提出的基于种群的元启发式算法,用于解决全局优化问题,但是,像其他基于群体的优化算法一样,SCA也存在多样性低、局部优化停滞和跳过最优解的问题.因此,本文通过提出SCA的改进版本,试图消除这些问题.使用融合粒子群算法的SCA(PSO-SCA),并在原有的PSO-SCA中加入了差分进化和变异的思想.为了评价EPSO-SCA解决全局优化问题的有效性,本文将EPSO-SCA算法的性能应用于支持向量机,解决克利夫兰心脏问题,并与其他算法进行了比较.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔雪婷		1	0	0.0	0.0