基于高斯扰动和指数递减策略的改进蝙蝠算法

分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-04-01 合作期刊: 《计算机应用研究》

宋一民 李煜

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。

通过

 点击量 1597  下载量 757  评论 0