基于高斯扰动和指数递减策略的改进蝙蝠算法

作     者：宋一民 李煜 Song Yimin;Li Yu

作者机构：郑州财经学院现代物流与管理系郑州450000 河南大学商学院河南开封475004 河南大学管理科学与工程研究所河南开封475004 

基　　金：国家自然科学基金资助项目(71601071) 国家教育部人文社科青年基金资助项目(15YJC630079) 河南省重点研发与推广专项资助项目(182102310886) 河南省科技攻关重点项目(162102110109) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2020年第37卷第5期

页      码：1384-1389页

摘      要：针对基本蝙蝠算法后期收敛速度慢、收敛精度不高、稳定性不强等问题,提出基于高斯扰动和指数递减策略的改进蝙蝠算法(GDEDBA)。将指数递减策略引入速度更新公式,使算法迅速进入局部寻优并展开精确搜索;构造高斯扰动项加入到局部新解产生公式,使局部新解中所有粒子与当前全局最优粒子产生信息交流与学习,防止陷入局部最优,增加种群多样性;设计扰动控制因子来控制高斯扰动的扰动范围,增强算法的稳定性。15个测试函数的仿真结果表明,改进算法的寻优性能显著提高,收敛速度更快,求解精度更高,稳定性更强。

主 题 词：蝙蝠算法 高斯扰动 指数递减策略 算法改进 函数优化 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2018.10.0802

馆 藏 号：203922961...