基于模拟退火高斯扰动的蝙蝠优化算法

被引：42

作者：

贺兴时 ^{[1
]}

丁文静 ^{[1
]}

杨新社 ^{[1
,2
]}

机构：

[1] 西安工程大学理学院

[2] 密德萨斯大学科学与技术学院

来源：

计算机应用研究 | 2014年 / 31卷 / 02期

关键词：

蝙蝠算法; 模拟退火; 高斯扰动; 仿真; 优化;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

蝙蝠算法(bat algorithm,BA)是一类新型的搜索全局最优解的随机优化技术。为了提高BA算法的搜索效果,把模拟退火的思想引入到蝙蝠优化算法中,并对蝙蝠算法的某些个体进行高斯扰动,提出了一种基于模拟退火的高斯扰动蝙蝠优化算法(SAGBA)。分别将蝙蝠优化算法、模拟退火粒子群算法、SAGBA在20个典型的基准测试函数中进行仿真对比,结果表明SAGBA不仅增加了全局收敛性,而且在收敛速度和精度方面均优于其他两种算法。

引用

页码：392 / 397

页数：6

共 8 条

[1] 模拟退火并行粒子群优化算法程序设计与研究[J].赵世安,黄敢基. 百色学院学报.2006(06)
[2] 遗传退火进化算法[J].吴志远,邵惠鹤,吴新余. 上海交通大学学报.1997(12)
[3] 模拟退火算法与遗传算法的结合[J].王雪梅,王义和. 计算机学报.1997(04)
[4] 精通MATLAB最优化计算[M].电子工业出版社,龚纯,2009
[5] 概率论与数理统计[M].清华大学出版社,龚光鲁,2006
[6] Batalgorithm:anovelapproachforglobalengineeringoptimization[J].Xin-SheYang,AmirHosseinGandomi. EngineeringComputations.2012(5)
[7] AComparisonofBA,GA,PSO,BPandLMforTrainingFeedforwardNeuralNetworksine-LearningContext[J].KoffkaKhan,AshokSahai. InternationalJournalofIntelligentSystemsandApplications(IJISA).2012(7)
[8] ANewMeta-heuristicBatInspiredClassificationApproachforMicroarrayData[J].SashikalaMishra,KailashShaw,DebahutiMishra. ProcediaTechnology.2012

← 1 →