基于随机差分变异的改进鲸鱼优化算法

针对基本鲸鱼优化算法(whale optimization algorithm,WOA)求解复杂问题时存在解精度低、收敛速度慢和易陷入局部最优的缺点,提出了一种基于非线性调整控制参数和随机差分变异策略的改进鲸鱼优化算法(IWOA),设计了基于余弦函数非线性调整控制参数的策略,以协调算法的探索和开发能力;随机选择个体与当前个体进行差分变异产生新个体以增强群体的多样性,减小陷入局部最优的概率。对6个标准测试函数进行仿真实验,结果表明,IWOA的寻优精度和收敛速度均有明显的提高。

基于随机收敛因子和差分变异的改进灰狼优化算法

针对基本灰狼优化算法在求解高维复杂优化问题时存在解精度低和易陷入局部最优的缺点,提出一种改进的灰狼优化算法。受粒子群优化算法的启发,设计一种收敛因子a随机动态调整策略以协调算法的全局勘探和局部开采能力;为了增强种群多样性和降低算法陷入局部最优的概率,受差分进化算法的启发,构建一种随机差分变异策略产生新个体。选取6个标准测试函数进行仿真实验。结果表明:在相同的适应度函数评价次数条件下,此算法在求解精度和收敛速度上均优于其他算法。

基于最优个体指导单纯形法改进的人工蜂群算法及应用

针对基本人工蜂群算法在求解复杂优化问题时,存在收敛精度低、收敛速度慢的缺点,提出一种基于最优个体指导单纯形法改进的人工蜂群算法。算法引入基于当前最优个体作为指导的单纯形法进行邻域搜索,以增强局部探索能力。同时采取保优策略,以加快收敛速度。通过6个标准测试优化问题的仿真实验表明,该算法较基本人工蜂群算法具有更高的求解精度和更快的收敛速度。将算法用于分数阶登革病毒传播模型的参数优化,所得的参数对应的模型输出与实际数据拟合情况较好。

基于速度越界处理与最速下降法改进的蝙蝠算法

针对蝙蝠算法(Bat algorithm,BA)易陷入局部极值、精度不高、搜索盲目性大的缺点,在分析蝙蝠算法本身的迭代机制的基础上,提出一种基于速度越界处理与最速下降法改进的蝙蝠算法(VCBA)。利用速度的越界处理控制蝙蝠位置更新的范围;利用最速下降法对BA局部搜索阶段中不好的蝙蝠位置进行更新;对位置较好的蝙蝠在其附近进行扰动;对BA判断局部搜索阶段产生的蝙蝠位置是否满足需求的条件进行改进。选取7个测试问题进行数值实验,结果表明,VCBA在收敛精度和稳定性上比BA有显著提升。

基于速度越界处理与高斯扰动的改进蝙蝠算法

蝙蝠算法(Bat algorithm,BA)是一种新型的、搜索全局最优解的元启发式算法.为解决蝙蝠算法局部搜索时易陷入局部极值的问题,提出一种基于速度越界处理与高斯扰动的改进蝙蝠算法(VGBA).该算法利用速度的越界处理控制蝙蝠位置更新的范围,利用高斯扰动增强蝙蝠算法的全局搜索能力.选取8个测试问题进行数值实验,实验结果表明,VGBA算法在收敛精度和稳定性上比BA算法有显著提升.

融合鲸鱼算法的混合灰狼优化算法

针对灰狼优化(GWO)算法存在容易陷入局部最优、收敛速度慢、求解精度不高等问题,提出一种融合鲸鱼算法的混合灰狼优化(HWGWO)算法.首先在鲸鱼算法的螺旋泡网狩猎行为中融入Levy飞行并将其整体引入灰狼优化算法;然后将动态权重和差分进化思想引入灰狼优化算法;最后利用贪婪选择策略来保留较好的灰狼位置.选取23个测试函数进行数值试验,结果表明,HWGWO算法在收敛速度和求解精度上都有所提升.此外,利用HWGWO算法求解拉伸/压缩弹簧设计问题得到的设计方案更有效.