弱连接多子群分子动理论优化算法

针对分子动理论优化算法拓扑结构与"群集"现象的不足,提出了一种弱连接多子群分子动理论优化算法.该算法分为上下两层,下层由一系列分子子群执行启发式快速搜索,以提高算法的收敛速度;上层中的混沌扰动子群基于混沌扰动机制,以便停滞状态的分子子群能跳出局部极值;上层中的免疫局部学习子群选取下层中的部分优秀个体进行局部学习,以实现精细化搜索而提高算法的收敛精度.仿真结果表明,该算法在寻优精度、收敛速度以及求解偏移函数等方面均有良好的性能....

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 36; no. 1; pp. 108 - 119
Main Authors 范朝冬, 刘颖南, 章兢, 易灵芝, 肖乐意
Format Journal Article
LanguageChinese
Published 湖南大学电气与信息工程学院,湖南长沙410082%湖南大学电气与信息工程学院,湖南长沙,410082 2019
广西高校复杂系统与智能计算重点实验室,广西南宁530006%湘潭大学信息工程学院,湖南湘潭,411105%湘潭大学信息工程学院,湖南湘潭411105
湘潭大学信息工程学院,湖南湘潭411105
Subjects
群集现象
分子动理论优化算法
多子群
混沌扰动
弱连接
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2018.70714

Cover

More Information
Summary:针对分子动理论优化算法拓扑结构与"群集"现象的不足,提出了一种弱连接多子群分子动理论优化算法.该算法分为上下两层,下层由一系列分子子群执行启发式快速搜索,以提高算法的收敛速度;上层中的混沌扰动子群基于混沌扰动机制,以便停滞状态的分子子群能跳出局部极值;上层中的免疫局部学习子群选取下层中的部分优秀个体进行局部学习,以实现精细化搜索而提高算法的收敛精度.仿真结果表明,该算法在寻优精度、收敛速度以及求解偏移函数等方面均有良好的性能.
ISSN:1000-8152
DOI:10.7641/CTA.2018.70714