具有捕食策略的混合随机优化算法及其多极值函数优化
SAGACIA是一种混合随机优化算法,该算法虽已吸收了模拟退火算法、遗传算法和趋化性算法的优点,但搜索过程中仍存在收敛速度慢以及采用固定步长影响搜索精度的缺点,而捕食搜索策略通过限制的调节能较快锁定最优区域,从而提高收敛速度.结合两者的优缺点,提出一种具有捕食搜索策略的自适应调整步长SAGACIA算法,改进后的算法通过捕食搜索策略平衡了算法的局域搜索和全局搜索,提高了收敛速度;邻域搜索采用自适应步长,避免了最优解附近的震荡,提高了搜索精度.实验仿真结果表明,改进后的SAGACIA算法具有较快的收敛速度和较高的寻优精度,证明了算法改进的有效性和可行性.
混合随机优化算法 多极值函数 捕食搜索策略 自适应步长
曹秀爽 姚明林 李兵
唐山学院 信息工程系,河北 唐山 063000
国内会议
湖北襄阳
中文
162-165
2014-09-27（万方平台首次上网日期，不代表论文的发表时间）