利用子群体迁徙的思维进化算法设计

群体智能是通过模拟自然界生物群体行为来实现人工智能的一种方法,它强调个体行为的简单性,群体的涌现特性,以及自下而上的研究策略.结合群体智能的优点,设计了利用信息共享进行子群体迁徙策略和信息浓度更新规则,实现了各子群体之间的协同,避免了各子群体进行封闭竞争,加快了各子群体的收敛速度,使得在较好信息的利用和全局性的搜索两个方面达到最佳平衡,加快搜索速度的同时保证全局收敛.通过4个测试函数的优化证明了算法的可行性和高效性.应用于自适应在线整定PID控制参数,获得了良好的控制效果.

基于改进自适应黑洞机制的引力搜索算法

针对基本引力搜索算法(gravity search algorithm,GSA)易早熟、易陷入局部最优、缺少有效加速机制等缺点,提出了基于改进自适应黑洞机制的GSA(improved adaptive black hole gravity search algorithm,IABHGSA)。通过改进Tent映射对种群初始化,使得初始种群的分布更随机、均匀、全面,增强算法的全局勘探能力;引入改进自适应黑洞机制,根据粒子进化情况选择位置更新策略,使得位置更新更为合理,有效减小粒子陷入局部最优的可能性;通过基于学习思想的最优与最差粒子更新策略增强算法逃离局部最优的能力,并提高算法的寻优速度;引入群体迁徙,为算法提供有效的加速收敛机制。最后,选取八个基准测试函数对IABHGSA进行测试,并与相关算法的实验结果进行了对比,结果证明IABHGSA有更好的寻优性能。

基于群体智能的思维进化算法设计

针对思维进化算法(MEA)没有充分利用公告板信息的问题,结合群体智能的优点,提出基于群体智能的思维进化算法,同时分析其算法的机制,设计利用群体信息共享进行子群体迁徙策略和拥挤浓度控制异化策略,提高了搜索速度,保证了种群的多样性.通过整个群体的总体优化特征体现了寻优方式的实现,使得收敛速度和全局收敛性均达到最好平衡.测试函数寻优及PID控制器参数整定实验,验证了算法的可行性和高效性.