自适应爆炸半径和差分变异的增强烟花算法

增强烟花算法对烟花算法存在的性能缺陷进行改进,并在许多优化问题中显示出不错的效果。然而,增强烟花算法在某些函数上寻优精度低、且容易过早地陷入局部最优解。为了改善这种缺陷,将其最大爆炸半径设置为模拟退火因子来自适应地加速其搜索过程,并借鉴差分变异中的思想以增加种群的多样性,达到跳出局部最优解的目的。改进后的算法在10个Benchmark函数上进行测试,实验结果表明改进后的算法效果明显优于增强烟花算法。

一种带反向学习机制的自适应烟花爆炸算法

针对烟花爆炸算法全局优化能力不足、容易早熟收敛的缺陷,将反向学习机制引入其中,通过产生反向种群拓展算法的勘探范围;另外,基于种群内个体适应值的差异,提出一种自适应调整烟花弹爆炸半径的计算方法。以上策略有机结合形成了一种带反向学习机制的自适应烟花爆炸算法。将新算法与另4种代表性群智能优化算法一同在12个经典测试函数上进行对比实验,结果表明新算法具有显著的性能优势。

基于Lévy flight的自适应动态增强烟花算法

为综合解决传统烟花算法爆炸半径可能为零导致资源浪费以及增强烟花算法引入的最小爆炸半径检测机制导致局部搜索能力较弱的问题,针对增强烟花算法提出了两种改进策略:引入自适应动态半径调整策略改进爆炸半径,根据不同阶段的启发式信息,即当前最优烟花距离其他烟花位置的信息,动态调整爆炸半径的大小来平衡全局和局部搜索能力,该策略可以使算法后期爆炸半径缩小到较小值进行细致的局部搜索;引入具有较强随机性的莱维飞行策略改进爆炸产生火花位置的方式,增强局部搜索的多样性。采用12个标准测试函数及其偏移函数进行实验,相比增强烟花算法,改进后的算法提高了标准函数及其偏移函数的寻优精度,在高维复杂的优化问题上具有较好的收敛能力。

烟花算法研究进展

烟花算法由于具有很强的优化问题求解的能力,近年来逐渐受到研究者的广泛关注。对现有烟花算法的研究工作进行了全面总结,主要包括烟花算法提出的背景、烟花算法的基本原理、单目标烟花算法的改进、混合算法、多目标烟花算法、基于GPU的并行烟花算法以及烟花算法在实际问题中的应用研究等。对于单目标烟花算法及改进算法、混合算法,文中给出了各种改进烟花算法的机制分析和对比研究,最后,给出了烟花算法的未来研究方向,包括爆炸算子搜索机制的深入分析、烟花交互机制研究、多目标烟花算法研究、并行烟花算法研究、扩展烟花算法求解的问题类型以及应用拓展。

基于改进烟花算法的汾河水库优化调度模型研究

针对水库多目标优化调度问题,采用改进的烟花算法求解带自适应罚函数的水库多目标优化调度数学模型。针对传统烟花算法爆炸半径计算方法在算法运行后期可能出现最优烟花爆炸半径为零的问题,引入自适应动态爆炸半径以平衡算法在解空间的全局及局部搜索能力;针对传统烟花算法位移变异操作的不足,改进其位移变异操作,以提高算法局部搜索的多样性。以山西省汾河水库为例,考虑无引调水和引黄入汾两种情景,分别给出不同情景下汾河水库的调度方案。实例结果表明,模型优化后的各月缺水率平方和比实际降低了66.13%;水库年总发电量比实际发电量提高了22.39%;引黄入汾调水工程的建立可进一步综合提高汾河水库的供水效益和经济效益。