河北省科技支撑计划项目(11213587)
- 作品数：3 被引量：50H指数：3
- 相关作者：谢承旺丁立新汪慎文谢大同舒万能更多>>
- 相关机构：石家庄经济学院华东交通大学武汉大学更多>>
- 发文基金：中央高校基本科研业务费专项资金河北省科技支撑计划项目国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 群搜索优化算法中角色分配策略的研究被引量：4
- 2012年
- 群搜索优化算法把群体中的个体分为三种角色:发现者,加入者和游荡者.算法选择最优个体作为唯一的发现者,采用随机决策策略分配加入者和游荡者.该策略过于盲目,算法性能也较差.针对这一缺点,本文考虑个体与发现者的分布关系,以发现者为球心,聚集在球心(或圆心)周围的个体均为加入者,散布于球外的个体为游荡者.而球的半径大小的确定,提出两种不同的方法:自适应半径策略和固定加入者个体数量策略.前者取个体到发现者的平均距离的K倍作为球的半径,后者规定离发现者最近的一定数量的个体被认为分布于球内的加入者.通过实验表明,这两种策略提高了种群多样性的同时,还保证了算法快速收敛到最优解.
- 汪慎文丁立新谢承旺谢大同舒万能杨华
- 关键词：群体智能角色分配
- 应用精英反向学习策略的混合差分演化算法被引量：24
- 2013年
- 针对传统差分演化算法在演化后期收敛速度变慢的问题,利用精英个体的良好信息,在一般反向学习方法的基础上,提出精英反向学习策略,并融合降低参数敏感性和变异策略敏感性的机制,设计了一种基于精英反向学习策略的混合差分演化算法(EOCoDE),从理论上证明了该算法的全局收敛性.新算法使用精英反向策略初始化种群,在进化过程中,如果满足预设定的学习概率,就执行精英反向算子,否则,随机组合参数知识库和策略知识库中的知识来产生差分演化种群.对比实验结果表明,精英反向学习策略比一般反向学习策略具有更强的搜索能力,EOCoDE算法的性能具有明显优势.
- 汪慎文丁立新谢承旺郭肇禄胡玉荣
- 关键词：差分演化
- 应用反向学习策略的群搜索优化算法被引量：25
- 2012年
- 群搜索优化算法(Group Search Optimizer,GSO)是一类基于发现者-加入者(Producer-Scrounger,PS)模型的新型群体随机搜索算法。尽管该算法在解决众多问题中表现优越,但其依然面临着早熟和易陷入局部最优的问题,为此,提出了一种基于一般反向学习策略的群搜索优化算法(GOGSO)。该算法利用反向学习策略来产生反向种群,然后对当前种群和反向种群进行精英选择。通过对比实验表明,该方法效果良好。
- 汪慎文丁立新谢大同舒万能谢承旺杨华
