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》
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。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-24 合作期刊: 《计算机应用研究》
摘要： 针对基本蝙蝠算法易陷入局部最优、收敛速度慢等缺点，对其进行优化研究。基于0-1背包问题的具体特征，在基本蝙蝠算法原有概念和框架的基础上，引入遗传算法中的交叉机制以及反置算子建立全新的位置转移方式和局部搜索规则；加入贪心策略进行解的可行化和充分利用，增强局部搜索能力，加快算法收敛速度，构建全新的混合蝙蝠算法。将混合蝙蝠算法应用于两组0-1背包算例，仿真实验结果优于自适应元胞粒子群算法、基本蝙蝠算法和贪心二进制蝙蝠算法。结果验证了该混合算法求解0-1背包问题的可行性和有效性。
点击量
通过
点击量
下载量
评论
