多策略改进的混沌哈里斯鹰优化算法

哈里斯鹰优化(HHO)算法是近期提出的一种元启发式算法,模拟了生物性的种群捕食调度。针对哈里斯鹰优化算法开发能力不足、种群多样性下降和容易陷入局部最优等缺点,提出了一种多策略改进的哈里斯鹰优化算法(MHHO)。首先,在哈里斯鹰中引入混沌局部搜索策略,利用混沌映射的优点,围绕当前个体进行局部搜索,从而找到更好的个体,提高算法的开发能力。其次,为了增强种群多样性,提出了精英备选池策略。此外,通过对优势种群信息的采样来更好地引导种群进化方向,采用分布估计策略提高算法收敛效率。CEC2017测试实验结果表明,改进后的算法兼顾了收敛速度与全局搜索等能力,最后将算法用于求解工程约束问题,证明了改进后的算法的实用性。

多策略金枪鱼群算法及其应用

金枪鱼群算法是一种基于种群的元启发式算法,灵感来自于金枪鱼群的合作觅食机制.针对金枪鱼群算法存在的局部搜索能力不足、搜索精度低、收敛速度慢等不足,提出一种多策略金枪鱼群算法.首先,在基本局部搜索策略的基础上,结合混沌算子,提出混沌局部搜索策略,进一步提升算法的局部搜索能力.其次,提出偏移分布估计策略,充分利用优势种群信息,并考虑最优个体和自身位置,提升算法种群多样性,有效改善算法的全局搜索能力.将改进后的金枪鱼群算法与多种优化算法在CEC2017测试集和机器人路径规划问题上进行对比,仿真结果表明该改进算法在保证稳定性的同时,具有更好的收敛精度和更快的收敛速度.

改进的Tabu Machine网络求解最大割问题

为了提高Tabu Machine网络处理最大割问题时解的质量,改进原有算法的禁忌搜索策略,并且通过结合局部搜索策略和分布估计策略,形成一种新的网络HNNTS-EDA。此网络有较强的局部搜索能力和脱离局部最优值的能力。将HNNTS-EDA网络与多种经典算法在相同测试数据上进行对比测试,实验结果表明HNNTS-EDA网络具有更强的寻优能力。