针对鲸鱼算法后期种群的多样性丢失问题,通过螺旋更新位置模型的改进并结合对立学习策略、随机调整参数、正态变异操作等已有方法改进鲸鱼优化算法.采用对立学习策略对鲸鱼种群初始化,为全局搜索奠定基础;利用随机调整控制参数的策略,避免了算法后期陷入局部最优;正态变异算子与改进螺旋更新位置对鲸鱼种群进行干扰,避免种群后期向某个最优区域靠拢,增大算法的全局搜索能力.选取文献[4]中23个国际标准测试函数,包括单峰、多峰以及固定维数函数,对改进的算法进行低维测试;选取文献[12]中的25个单峰和多峰国际标准测试函数,对改进的算法进行高维测试.结果表明,IMWOA算法在收敛精度、收敛速度上均明显优于原WOA算法且具有普遍适用性、稳定性和解决超大规模优化问题的能力.
类型: 期刊论文
作者: 吴泽忠,宋菲
关键词: 鲸鱼优化算法,随机调整参数,正态变异算子,螺旋更新位置模型,超大规模优化问题
来源: 系统工程理论与实践 2019年11期
年度: 2019
分类: 基础科学,信息科技
专业: 自动化技术
单位: 成都信息工程大学应用数学学院
基金: 国家自然科学基金(71672013)~~
分类号: TP18
页码: 2928-2944
总页数: 17
文件大小: 1674K
下载量: 274
本文来源: https://www.lunwen90.cn/article/ce9c5779072d1393d7da546c.html