具有邻域搜索机制的爆炸搜索算法

受烟花(炸弹)爆炸的启发,提出一种新型的智能优化算法——爆炸搜索算法(ESA)。该算法引入邻域搜索的思想,包含3个重要算子:爆炸搜索算子,迁移算子,变异算子,具有较大的局部-全局搜索能力,且收敛速度快、稳定性好。对benchmark函数集进行仿真并与CPSO等算法进行比较,实验结果证实了ESA的高效性。

爆炸搜索算法及其收敛性证明

受烟花(炸弹)爆炸的启发,结合经典优化算法提出了一种新的智能优化算法——爆炸搜索算法(Explosion Search Algorithm,ESA)。ESA引入邻域搜索的思想,将智能优化算法与下降搜索算法进行有机结合,使得ESA具有强大的局部搜索能力和全局搜索能力以及好的收敛精度。对算法的收敛性进行了证明,最后通过对benchmark函数集进行仿真并同其他算法进行比较,验证了ESA的高效性。

带共轭梯度算子的爆炸搜索算法

爆炸搜索算法作为一种全局优化算法,在迭代后期会出现收敛速度慢、精度低的问题,而传统的优化算法恰好能克服这些缺点。因此,引入一种传统算法——近似共轭梯度法,即用差商代替导数的共轭梯度法。在此基础上,提出了带共轭梯度算子的爆炸搜索算法,先引入了新的变异算子来提高算法的全局搜索能力,再运用共轭梯度法添加一个新的算子——共轭梯度算子,实现对最优炸点的局部搜索,从而提高算法的收敛速度与精度。6个常用的benchmark函数的测试结果说明,改进算法的优化结果明显优于原算法。