摘要：在中心引力算法的设计中,较大的种群规模能提高最优解的精度,但会降低个体的搜索空间.针对中心引力算法提出了一种自适应控制种群的中心引力算法,在算法的运行过程中,根据算法的表现使每一代增大或减小种群的规模.将聚类算法和佳点集算法融合到增加\删除算子中,使得算法可以自适应地兼顾有效性和多样性.数值结果表明,新算法在求解精度和收敛速度上不弱于对比算法.

摘要：中心引力优化(Central Force Optimization,CFO)算法是一种新型多维搜索确定型启发式优化算法,但由于它的初始探测器(Probe)计算复杂而导致CFO算法运行时间过长。针对初始探测器计算复杂问题,提出一种均匀设计方法,依此方法提出了基于均匀设计的CFO算法。将提出的CFO算法应用到典型测试函数中,并与CFO算法进行比较。数值结果表明,该算法保证寻优能力同时减少了CFO算法的运行时间,从而提高了CFO算法的效率。