一种新的双策略进化果蝇优化算法
方波1,2(

1. 西南交通大学信息科学与技术学院, 四川 成都 611756
2. 云计算与智能技术高校重点实验室(西南交通大学), 四川 成都 611756
收稿日期:
2017-08-24出版日期:
2019-06-20发布日期:
2019-06-27通讯作者:
陈红梅E-mail:fangbo@my.swjtu.edu.cn;hmchen@swjtu.edu.cn作者简介:
方波(1991-),男,浙江杭州人,硕士研究生,主要研究方向为数据挖掘,机器学习. 基金资助:
国家自然科学基金资助项目(61572406)A novel double strategies evolutionary fruit fly optimization algorithm
Bo FANG1,2(

1. School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611756, Sichuan, China
2. Key Laboratory of Cloud Computing and Intelligent Technology (Southwest Jiaotong University), Chengdu 611756, Sichuan, China
Received:
2017-08-24Online:
2019-06-20Published:
2019-06-27Contact:
Hongmei CHEN E-mail:fangbo@my.swjtu.edu.cn;hmchen@swjtu.edu.cnSupported by:
国家自然科学基金资助项目(61572406)摘要/Abstract
摘要: 标准果蝇优化算法(fruit fly optimization algorithm, FOA)在迭代寻优的过程中,整个果蝇群体只向最优个体靠近,这导致算法极易陷入局部最优,从而引起早熟收敛的问题。针对该问题,提出一种新的双策略进化果蝇优化算法(a novel double strategies evolutionary fruit fly optimization algorithm, DSEFOA)。提出的一种新的群体分割策略,将果蝇群体动态地划分为精英子群和普通子群;对于精英子群,引入混沌变量引导果蝇个体在其附近搜索食物,优化其局部搜索能力;对于普通子群,引入权重因子改进标准FOA的随机搜索方式,执行全局搜索,加快收敛速度。DSEFOA算法针对不同进化水平的果蝇个体采用不同的策略更新进化,充分地提升了整个群体的寻优搜索能力。8个测试函数的仿真试验结果表明, DSEFOA算法有比标准FOA算法更好的优化性能。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1823