基于跨邻域搜索的连续域蚁群优化算法

摘要：

针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法.首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度.通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优.

关键词：蚁群优化、算法改进、连续域、跨邻域搜索、自适应种群划分、自主选择学习、收敛精度

所属期刊栏目：42

分类号：TP301.6;TP18(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61572381;武汉科技大学智能信息处理与实时工业系统湖北省重点实验室基金资助项目znxx2018QN06

在线出版日期：2019-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：212-219