基于混合搜索策略的蝴蝶优化算法

蝴蝶优化算法一种模仿蝴蝶觅食行为群智能优化算法,充分利用蝴蝶的嗅觉来确定食物源的位置上,但是该算法与其他智能算法一样,也存在一些缺点和不足如收敛速度和求解精度等方面的问题,本文提出一种混合搜索策略蝴蝶优化算法,在搜索的过程引进柯西搜索算子项使算法的局部搜索能力有所改进,最后通过标准函数测试,结果表明收敛速度和求解精度都有所提高。

粒子群算法求解函数优化问题

求解函数优化问题的方法有很多种,如传统求解函数优化问题的算法有:罚函数、解析法等。但这些传统算法都存在运行慢、收敛性差、迭代次数过多缺点。针对这些问题,本文引入粒子群优化算法进行函数优化问题求解,该算法收敛速度快、结构简单、调节参数少、易于实现等优点。经过充分发挥粒子群算法的优点,解决了传统优化算法中存在的不足。最后,仿真实验结果表明,粒子群优化算法是可行的和有效的。

一类奇异Kirchhoff型方程正解的注记

Kirchhoff型方程起源于研究可伸缩绳的自由振动的经典D’Alembert波动方程。本文在四维空间中研究了一类含临界指数项的奇异Kirchhoff型方程的正解,克服了奇异项与临界指数项带来的困难,利用变分方法获得了两个正解的存在性。利用局部(C)c条件替换局部(PS)c条件,克服了扰动问题紧性的缺失,同时释放了奇异项指数的范围。该结果优化了近期一个相关奇异Kirchhoff型方程的多解性条件。

基于Levy飞行改进蝴蝶优化算法

蝴蝶优化算法是一种模仿蝴蝶觅食行为群智能优化算法,充分利用蝴蝶的嗅觉来确定食物源的位置上,但是该算法与其他智能算法一样,也存在一些缺点和不足如收敛速度和求解精度等方面的问题,蝴蝶优化算法原理主要主要模仿蝴蝶种群寻找食物,每只蝴蝶都散发出一定浓度的香气,每只蝴蝶都会感受到周围其它蝴蝶的味道,并朝着那些散发更多香味的蝴蝶移动而进行搜索.本文提出一种基于Levy飞行改进蝴蝶优化算法,因为levy飞行就是随机游走并且可以在任意维度的空间中,在一个点随机地向任意方向前进任意长度的距离,该算法通过蝴蝶在搜索的过程引进Levy飞行搜索算子来改进原算法局部搜索和全局搜索的能力,最后通过标准测试函数,结果表明收敛速度和求解精度都有所提高.