邻域学习细菌觅食优化算法
经典细菌觅食算法因其在求解优化问题时的强壮优化能力，越来越多的学者们开始对该算进行分析和改进。针对细菌觅食算法在求解复杂问题时优化性能不佳的缺陷,本文抛弃了传统算法改进时,参数改进及混合策略的思路,从拓扑结构的视角,首先分析了邻域拓扑结构对算法产生的不同影响;其次,借鉴PSO算法中的邻域学习策略,结合BFO算法局部搜索能力较强的特点,提出了一种邻域学习细菌觅食优化算法(BFO-NL).最后,为了评估新算法的优化性能,将NFO-NL算法与原始BFO算法进行比较,仿真实验在8个标准测试函数中完成,结果显示BFO-NL算法收敛速度更快、求解精度更高.BFO-NL算法与原始BFO算法相比较,新算法的求解精度更高,并且鲁棒性更强.
优化问题 细菌觅食算法 拓扑结构 邻域学习策略 局部搜索能力
谭立静 王超 谢庭 毕莹
深圳信息职业技术学院商务管理学院,广东 深圳 518172 深圳大学管理学院,广东 深圳 518060
国内会议
呼和浩特
中文
218-223
2015-07-31（万方平台首次上网日期，不代表论文的发表时间）