基于权值分配策略的聚类天牛群优化算法

为改进天牛群优化算法在种群更新阶段存在的社会信息利用不足,及其在多峰函数中易陷入局部极值的情况,提出了一种基于权值分配策略的聚类天牛群优化算法。算法使用k均值聚类算法配合轮廓系数法,将天牛种群分为k个最佳聚类子群;分别选取各子群中适应度值最优的个体,并通过给定策略分配影响权值;最后使用多个最优个体共同决策的方式处理原算法中的社会学习部分,从而降低全局最优个体对种群位置更新的影响。实验选取了15个常用基准测试函数对所提算法进行仿真测试。实验结果表明,所提算法能够适应不同类型的优化问题,相较于天牛群优化算法及3个经典的智能优化算法拥有更好的寻优精度和稳定性。