肖海军,王芬艳,卢常景,曹 颖.一种有效的多峰优化鸟群算法[J].中南民族大学学报自然科学版,2018,(4):120-125
一种有效的多峰优化鸟群算法
An EffectiveMulti-peak Optimized Bird Swarm Algorithm
  
DOI:10.12130/znmdzk.20180424
中文关键词: 鸟群算法  多峰优化鸟群算法  莱维飞行
英文关键词: Bird Swarm Algorithm ( BSA)  Multi-peak Optimized Bird Swarm Algorithm ( MOBSA)  Levy flight
基金项目:国家自然科学基金资助项目( 11301492) ; 中国地质大学( 武汉) 基础研究基金项目( CUGL140420)
作者单位
肖海军,王芬艳*,卢常景,曹 颖 中国地质大学 数学与物理学院武汉 430074 
摘要点击次数: 326
全文下载次数: 239
中文摘要:
      针对鸟群算法(BSA) 在处理多峰优化问题时容易出现陷入局部极值的问题,提出了一种有效的多峰优化鸟群算法(MOBSA) ,通过对仿生过程即鸟类身份的分类策略进行调整, 并将应用于初始位置生成和飞行位置更新的莱维飞行引入到鸟群算法中,从而有效地提高了鸟群算法的仿生智能性.以标准鸟群算法和粒子群算法作为对比,在 6 个优化函数的 30 维上进行了仿真对比实验.实验结果表明: 多峰优化鸟群算法在单峰函数上能有效地提高优化精度,在多峰函数上也能跳出部分极值,得到比鸟群算法更好的优化结果,是一种有效的改进鸟群算法.
英文摘要:
      Bird Swarm Algorithm (BSA) is easy to fall into the local extremum problem when dealing with multi-peak optimization. An effective Multi-peak Optimized Bird Swarm Algorithm (MOBSA) is proposed, in order to effectively improve the bionic intelligence of BSA, the classification strategy of the bionic process, i.e. bird identity is adjusted and Levy flight is introduced, which is applied in initial position generation and flight position update. Six optimization functions in 30 dimensions are used in simulation experiments to make a contrast with the standard BSA and Particle Swarm Optimization(PSO) . The results show that MOBSA can effectively improve the accuracy in unimodal functions, and can also jump out of local extremum in multi-peak functions.
查看全文   查看/发表评论  下载PDF阅读器
关闭