基于全局最优的自适应和声搜索算法

• 作者: 周恺卿 李航程 莫礼平
• 来源期刊: 山东大学学报（工学版）
• 关键词: 和声搜索算法 全局最优 自适应 差分 测试函数
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning&Data Mining
• 页码范围: 47-56
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.395

摘要

针对传统和声算法收敛速度慢和搜索精度低等固有缺点,提出一种改进的自适应全局最优和声搜索算法.在即兴创作方案中,带宽由当前和声里的最优和声变量和最差和声变量之差表示,使得带宽具有针对具体情况的自适应能力,并且每次保存最优和声中一个随机和声变量.在产生的随机数大于和声记忆库存储考虑概率时,利用种群内差分随机生成一个和声变量.为了提高和声搜索算法的搜索能力,在即兴创作结束后产生一个新的和声的同时,再从当前种群中的最小和声到最大和声之间随机产生一个和声,然后将两个新产生和声中误差小的和声进入更新和声记忆库阶段.将所提出的算法与3个改进和声搜索算法在13个测试函数上进行对比.试验结果表明,提出的改进算法具有更好的全局搜索能力和收敛速度.