一种元启发式算法:海岛算法

在假设海岛上植物总量不变的情况下,植物的生长位置随着海平面的上升,出现越来越集中于最高点的现象.受该现象启发,提出一种元启发式算法即海岛算法(island algorithm,IA).海岛算法在每次迭代中包含3个阶段:淘汰阶段、海平面上升阶段、平衡阶段.通过对算法进行分析,找出算法的优势原因及适合和不适合求解的函数的特点,并对算法的复杂度和鲁棒性进行分析.将算法在CEC2013函数集上进行验证.在多个维度下,同经典的粒子群算法进行比较.实验结果表明,海岛算法在求解具有某类特征的函数时,比粒子群算法差;在其他多数测试函数的实验结果中,海岛算法在多个维度下的精度和鲁棒性均显著优于粒子群算法,验证了算法的有效性.

基于改进遗传变异算子的海岛算法

原始海岛算法在迭代后期由于海岛范围变化量和维度范围的不断缩小,对于一些较为复杂的函数易陷入局部最优且存在收敛速度较慢的问题。采用改进后的自适应变异算子对全体植物执行变异操作,同时在评估阶段中对函数测试部分展开细节讨论。最终在评估次数较少的条件下,以6个bemchmark基准函数进行实验仿真。结果表明改进后的变异算子在海岛算法的优化方面起到了较为明显的作用效果。