您当前的位置: > 详细浏览

基于高斯扰动和指数递减策略的改进蝙蝠算法 后印本

请选择邀稿期刊:
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)。把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。

版本历史

[V1] 2019-04-01 15:47:36 ChinaXiv:201904.00048V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量1596
  •  下载量757
评论
分享