基于t-分布精英保留机制的花朵授粉算法

针对花朵授粉算法收敛精度不高,算法迭代后期收敛速度慢的缺陷,从全局搜索和局部搜索两个方面对算法进行改进。首先,在全局搜索时引入基于t-分布的精英概率保留机制,该策略通过设置一个精英概率保留参数,控制部分最优解信息能够保留进入到下一次迭代,并使用t-分布算子对保留的最优解的各维度实施扰动变异。其次,在算法的局部搜索时,使用高斯变异代替原算法的随机数扰动变异,提升局部搜索的稳定性。仿真实验结果表明,改进的算法比基本花朵授粉算法,在收敛精度和收敛速度上有提升,从而说明改进策略的可行性。

基于精英保留机制的花授粉算法

花授粉算法融合了蝙蝠算法以及布谷鸟算法的优点,从而具有参数少、进化过程简单易控制等优点.但是花授粉算法同时也存在收敛速度慢,易陷入局部极小等不足,针对这些不足,将精英保留机制应用到花授算法中,提出了一种改进的花授粉算法.通过进行数值实验来验证改进后的花授粉算法的性能.实验结果表明,基于精英保留机制的改进花授粉算法具有比花授粉算法收敛速度更快、寻优精度更好等优点.

基于反向精英保留和Levy变异的多目标鲸鱼优化算法

为了解决多目标优化的相关问题,鲸鱼优化算法结合多目标相关理论,并在算法中加入了反向精英保留、Levy变异以及种群引导,提出了一种求解多目标问题的鲸鱼优化改进算法。该算法利用反向精英保留制度,扩大了每次搜寻的范围,降低了收敛迭代次数,加入的Levy变异增强了算法的全局寻优的性能,并利用种群引导的机制来改善算法的分布情况。在实验验证中将所提出的算法与经典的MOPSO、MOCS、NSGAⅡ、MOWOA算法进行比较。实验的数据表明,改进后的多目标鲸鱼优化算法,收敛的精度更高,收敛速度更快,结果更稳定,是一种应用场景广泛的多目标优化算法。

格雷码混合遗传算法求解0-1背包问题

给出0-1背包问题的数学模型,修改传统二进制编码为格雷码混合遗传算法,使用贪心算法来解决约束问题,对每个个体使用价值密度来衡量,提高了算法搜索效率,同时使用精英保留机制来加速算法收敛的速度。最后通过数值实验证明了算法的有效性。