基于分组进化和混合寻优的改进蝙蝠算法
Improved Bat Algorithm Based on Grouping Evolution and Hybrid Optimization作者机构：广西外国语学院信息工程学院广西南宁530222
出 版 物：《数学的实践与认识》 (Mathematics in Practice and Theory)
年 卷 期：2020年第50卷第24期
页 面：141-149页
学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程]
基 金：广西高校中青年教师科研基础能力提升项目(2019KY0902)。
摘 要：借鉴混合蛙跳算法(SFLA)的优化策略,提出了一种基于分组进化和混合寻优的改进蝙蝠算法(LMBA).把蝙蝠种群按适应度大小随机分组,受失重现象启发,根据是否具有惯性权重,提出了不同的改进差分进化模型和改进粒子群寻优模型,并结合两种寻优模型进行混合寻优,充分利用组内最优和最差个体的信息,还通过概率性随机替换实现个体变异,最终达到改进算法求解精度、收敛速度和普适性的目的.选择了几个不同维度的标准测试函数进行对比寻优实验,实验分析表明:LMBA无论在稳定性还是收敛精度方面均优于BA算法和混合蛙跳算法.
维普期刊数据库
同方期刊数据库