-
题名融合知识共享和精英反向学习的成长优化算法
被引量:1
- 1
-
-
作者
吴迪
吴美莲
吴杭蕖
苏媛媛
游方楷
贾鹤鸣
-
机构
三明学院教育与音乐学院
三明学院信息工程学院
-
出处
《闽南师范大学学报(自然科学版)》
2023年第4期51-61,共11页
-
基金
校级教育教学研究与改革项目(J2111119)
福建省大学生创新创业训练计划项目(S202211311042)
福建省自然科学基金项目(2021J011128)。
-
文摘
为解决成长优化(growth optimizer,GO)算法易陷入局部最优的问题,提出一种融合知识共享和精英反向学习的成长优化算法(growth optimization algorithm integrating knowledge sharing and elite opposition-based learning,KSOBLGO).该算法结合基于知识共享的优化算法(gaining-sharing knowledge based algorithm,GSK)和精英反向学习策略,旨在提高算法的全局搜索能力并避免陷入局部最优解的困境.首先采用精英反向学习策略,通过引入优秀个体的信息增加初始种群的多样性,避免算法过早收敛,导致局部滞留.将基于知识共享的优化算法融合其中,称为知识共享阶段,该阶段提高种群中较优个体的局部搜索能力和较差个体的全局搜索能力,使探索和开发达到良好的平衡状态.经过对13个基准测试函数进行仿真实验,研究结果表明KSOBLGO算法在收敛速度和寻优精度等方面取得显著的提升,验证该改进算法的有效性.
-
关键词
成长优化算法
基于知识共享的优化算法
精英反向学习
基准测试函数
-
Keywords
growth optimization algorithm
gaining-sharing knowledge based algorithm
elite opposition-based learning
benchmark function
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-