一种新的双策略进化果蝇优化算法

方波^1,2(),陈红梅^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. fangbo@my.swjtu.edu.cn
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 FANG^1,2(),Hongmei CHEN^1,2,*()

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:2019-06-27
Contact:Hongmei CHEN E-mail:fangbo@my.swjtu.edu.cn;hmchen@swjtu.edu.cn

Supported 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