引入贪心鱼群的改进人工鱼群算法

针对人工鱼群算法(AFSA)局部寻优不精确等问题,提出一种引入贪心鱼群改进人工鱼群算法(IAFSASF)的方法。贪心鱼群具有不同于普通鱼群的行为策略,在觅食行为中贪心鱼群紧紧跟随在最优适应度的人工鱼的附近进行食物搜索,而不执行追尾和聚群行为,因此,贪心鱼群具有更好的局部寻优能力。实验证明:IAFSASF比原有算法在减少时间复杂度的同时有效提高了求解精度。

阵列方向图综合中PSO算法粒子越界处理研究

针对PSO算法中粒子越界处理的常规方法使得粒子容易陷入局部最优解,优化速度和收敛精度大大降低的问题,提出了一种无需越界检测,无需粒子位置调整的归一化方法。均匀线阵扇形、低副瓣、带零陷低副瓣方向图综合实例表明:新方法在保证粒子不越界的基础上,不破坏粒子的飞行轨迹,能够有效提高PSO算法的优化精度和收敛速度,极大地提高了PSO算法性能。

物种生灭算法的改进策略

物种生灭算法(Species Explode and Deracinate Algorithm,SEDA)是一种简单、高效的群智能优化算法。为了进一步提高SEDA算法的寻优速度、解的质量,首先,通过一种无排序筛选幸存物种的递归算法,提出了基于递归筛选的SEDA算法,减少了SEDA算法的时间复杂度,提高了算法的寻优速度;其次,通过引入衍生趋势的方法,提出了基于衍生趋势的SEDA算法,提高了SEDA算法对复杂、难以寻优的优化问题解的质量。三个测试函数的仿真结果表明,改进的方法具有更小的时间复杂度,能够有效改善SEDA算法解的质量。

物种生灭算法

根据生物进化史中已被发现的物种大爆发和大灭绝现象,提出了智能优化算法——物种生灭算法,并对寻优机制进行了详细的描述。该算法借鉴了物种灾变进化理论的思想,通过对物种执行大爆发和大灭绝操作实现寻优,通过引入主支转移和新老物种的衍生能力收缩等策略,达到平衡算法全局寻优能力与局部寻优能力的目的。仿真结果表明该算法具有实现简单、收敛速度快、运行效率高、寻优精度好等优点。