混沌反向学习和声搜索算法

来源期刊：东北大学学报(自然科学版)2013年第9期

论文作者：欧阳海滨 高立群 郭丽 孔祥勇

文章页码：1217 - 1221

关键词：和声搜索算法;混沌扰动策略;反向学习;局部最优;历史信息;

摘    要：为改善和声搜索算法易陷入局部最优的不足,提出了一种混沌反向学习和声搜索(COLHS)算法.基于聚集和发散思想,对算法陷入局部最优和停滞状态进行初步预判断,并根据预判断的结果融合混沌扰动策略和反向学习,利用了logistic混沌序列的遍历性和反向学习的空间可扩展性.此外,利用和声记忆库的历史信息定义更新因子和进化因子,自适应地调整参数基音调整概率(PAR)和基音调整步长(BW),平衡算法的聚集和发散.数值结果表明,COLHS算法优于HS算法及最近文献报道的8种改进的HS算法.