摘要
针对正余弦算法后期收敛速度慢、局部搜索能力差的特点,提出一种基于邻域结构的骨干正余弦算法。新算法的主要思想是在正余弦算法更新过程中通过骨干优化思想引入邻域结构和高斯采样学习,并随着迭代次数的增加而增加高斯采样的权重,经贪婪选择后加快算法的收敛速度。新算法能有效地增强种群探索能力,提高种群的多样性。运用新算法与其他智能进化算法对18个经典基准函数进行仿真实验,对测试结果进行比较分析,新算法在稳定性、计算精度和收敛速度方面具有明显的优势。
The sine cosine algorithm is performing poorly in convergence and local research in it s late stage,therefore ,a new bare bone sine cosine algorithm based on neighborhood structure is created to fix these shortcomings.This new algorithm is mainly to introduce the neighborhood structure and gaussian sampling learning through the bare bone optimization idea as the sine cosine algorithm is updated,and to improve the weight of gaussian sampling with the increase of iteration times,which then allows itself to accelerate its convergence speed after greedy selection. The new algorithm is compared with other intelligent evolutionary algorithms to simulate 18 classical benchmark functions and analyze the test results.The new algorithm has obvious advantages in computational accuracy and convergence speed.
作者
赵永奇
邹锋
陈得宝
ZHAO Yong-qi;ZOU Feng;CHEN De-bao(School of Physics and Electronic Information,Huaibei Normal University,Huaibei 235000,China)
出处
《长春师范大学学报》
2019年第8期16-25,共10页
Journal of Changchun Normal University
基金
国家自然科学基金项目“模糊动态多目标优化及在演化数据聚类中的应用研究”(61572224)
安徽省高校自然科学研究项目“面向图像分割的多目标核聚类模型与方法”(KJ2019A0593)
安徽省自然科学基金项目“离散教学多目标优化及在个性化推荐中的应用研究”(1708085MF140)
安徽省高等学校省级教学研究项目“卓越计划模式下数字信号处理课程教学改革的探索和实践”(2016jyxm0929)
淮北师范大学校级教学研究重点项目“卓越计划模式下数字信号处理课程教学改革的探索和实践”(jy2016110)
淮北师范大学研究生创新基金项目“自适应多策略正余旋算法及应用”(ycx201901007)
关键词
正余弦算法
骨干优化
邻域结构
高斯采样
权重
贪婪选择
sine cosine algorithm
bare bone
neighborhood structure
gaussian sampling
weight
greedy selection
