基于混合决策的改进鸟群算法

闫威(),张达敏*(),张绘娟,辛梓芸,陈忠云

贵州大学大数据与信息工程学院, 贵州 贵阳 550025

收稿日期:2019-06-10出版日期:2020-04-20发布日期:2020-04-16
通讯作者:张达敏E-mail:349552812@qq.com;1203813362@qq.com
作者简介:闫威(1993—)，男，贵州贵阳人，硕士研究生，主要研究方向为网络通信，优化计算. E-mail：349552812@qq.com
基金资助:贵州省自然科学基金资助项目(黔科合基础[2017]1047号)

Improved bird swarm algorithms based on mixed decision making

Wei YAN(),Damin ZHANG*(),Huijuan ZHANG,Ziyun XI,Zhongyun CHEN

College of Big Data and Information Engineering, Guizhou University, Guiyang 550025, Guiyang, China

Received:2019-06-10Online:2020-04-20Published:2020-04-16
Contact:Damin ZHANG E-mail:349552812@qq.com;1203813362@qq.com

Supported by:贵州省自然科学基金资助项目(黔科合基础[2017]1047号)

摘要/Abstract

摘要： 针对鸟群算法(bird swarm algorithms, BSA)在求解复杂函数问题时存在的精度低、易陷入局部最优等问题,在保留BSA简单性的同时,提出一种基于混合决策的改进鸟群算法(improved bird swarm algorithms based on mixed decision making, IBSA)。应用重心反向学习机制初始化鸟群,维持鸟群较好的空间解分布。为了有效平衡算法在寻优过程中全局探索能力和局部发觉能力,动态调整鸟群飞往另外区域的周期。引入自适应余弦函数权重策略和加权平均思想对生产者觅食公式进行改进,增加算法在陷入局部最优后的脱困能力。在9个测试函数的基础上通过仿真试验对比基于IBSA、BSA、粒子群算法(particle swarm optimization, PSO)性能。结果表明,改进算法在单峰函数和多峰函数的测试中,寻优精度和寻优速度得到了较大程度上的提升。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1907