基于多样性全局最优引导和反向学习的离子运动算法
来源期刊:控制与决策2020年第7期
论文作者:汪超 王丙柱 岑豫皖 谢能刚
文章页码:1584 - 1596
关键词:离子运动算法;全局最优引导;多样性反馈;反向学习;
摘 要:针对离子运动算法空间探索能力和开发能力的不足,提出一种改进算法.在离子运动算法的液态阶段中,该算法嵌入一种多样性反馈搜索机制和全局最优引导策略的算法结构;同时,优化算法晶态阶段中的初始化过程采用反向学习方法生成,其中,初始化概率采用动态惯性改变方式.经过国际上通用的23个基准函数测试,与一些流行的元启发式算法比较,并从平均收敛值、方差、Wilcoxon符号秩检验、收敛成功率以及最优收敛时间等方面进行综合评估,从而表明所提出算法的有效性.
汪超1,2,王丙柱1,岑豫皖3,4,谢能刚1
1. 安徽工业大学机械工程学院2. 河海大学力学与材料学院3. 液压振动与控制教育部工程研究中心4. 国家机床产品质量监督检验中心
摘 要:针对离子运动算法空间探索能力和开发能力的不足,提出一种改进算法.在离子运动算法的液态阶段中,该算法嵌入一种多样性反馈搜索机制和全局最优引导策略的算法结构;同时,优化算法晶态阶段中的初始化过程采用反向学习方法生成,其中,初始化概率采用动态惯性改变方式.经过国际上通用的23个基准函数测试,与一些流行的元启发式算法比较,并从平均收敛值、方差、Wilcoxon符号秩检验、收敛成功率以及最优收敛时间等方面进行综合评估,从而表明所提出算法的有效性.
关键词:离子运动算法;全局最优引导;多样性反馈;反向学习;