• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于模拟退火的改进鸡群优化算法

李振璧 王康 姜媛媛

李振璧, 王康, 姜媛媛. 基于模拟退火的改进鸡群优化算法[J]. 微电子学与计算机, 2017, 34(2): 31-33, 38.
引用本文: 李振璧, 王康, 姜媛媛. 基于模拟退火的改进鸡群优化算法[J]. 微电子学与计算机, 2017, 34(2): 31-33, 38.
LI Zhen-bi, WANG Kang, JIANG Yuan-yuan. The Study of Improved Chicken Swarm Optimization Algorithm based on Simulated Annealing[J]. Microelectronics & Computer, 2017, 34(2): 31-33, 38.
Citation: LI Zhen-bi, WANG Kang, JIANG Yuan-yuan. The Study of Improved Chicken Swarm Optimization Algorithm based on Simulated Annealing[J]. Microelectronics & Computer, 2017, 34(2): 31-33, 38.

基于模拟退火的改进鸡群优化算法

基金项目: 

国家自然科学基金 61401215

安徽省高校优秀青年人才支持计划重点项目 gxyqZD2016082

详细信息
    作者简介:

    李振璧 男, (1959-), 教授.研究方向为信息处理、智能控制

    姜媛媛  女, (1982-), 副教授.研究方向为先进算法与控制、模式识别

    通讯作者:

    王康(通讯作者)  男, (1991-), 硕士研究生.研究方向为智能算法、模式识别.E-mial: lampardwk8@163.com

  • 中图分类号: TP301.6

The Study of Improved Chicken Swarm Optimization Algorithm based on Simulated Annealing

  • 摘要:

    针对鸡群算法因小鸡粒子易陷入局部最优而无法取得全局最优解问题, 在小鸡粒子位置更新中加入自身惯性权重和向子群中公鸡粒子学习部分, 提出具有随机惯性权重和固定学习因子的改进鸡群算法, 然后用模拟退火算法对改进鸡群算法陷入停滞状态时已得到的最优解进行邻域搜索, 使算法具有跳出局部最优取得全局最优解的能力, 最后将基于模拟退火的改进鸡群算法用于4个标准测试函数寻优.仿真结果表明, 基于模拟退火的改进鸡群算法全局搜索能力强, 收敛速度快, 精度高, 与粒子群算法、鸡群算法以及改进鸡群算法相比寻优性能更佳.

     

  • 图 1  RWCSO算法流程图

    图 2  SA-ICSO算法流程图

    表  1  经典测试函数

    函数名称 取值范围 最优值
    Sphere [-100, 100] 0
    Ackley [-32, 32] 0
    Rastrigrin [-5.12, 5.12] 0
    Griewank [-600, 600] 0
    下载: 导出CSV

    表  2  算法相关参数设置

    算法 参数
    PSO c1=1.5, c2=1.5
    CSO G=10, NM=0.5NHNR=0.15N
    NH=0.7N, NC=N-NR-NH
    DWCSO G=10, NM=0.5NHNR=0.15N
    NH=0.7N, NC=N-NR-NHC=0.4
    RWCSO G=10, NM=0.5NHNR=0.15N
    NH=0.7N, NC=N-NR-NHC=0.4
    SA-ICSO G=10, NM=0.5NHNR=0.15N
    NH=0.7N, NC=N-NR-NH C=0.4,温度冷却系数为0.5,pr=0.2
    下载: 导出CSV
  • [1] Meng Xianbing, Liu Yu, Gao Xiaozhi, 用. A new bio-inspired algorithm: chicken swarm optimization[J]. Lecture Notes in Computer Science, 2014(8794): 86-94.
    [2] Jeong Jung Kim; Ju Jang Lee. Trajectory optimization with particle swarm optimization for manipulator motion planning[J]. IEEE Transactions on Industrial Informatics, 2015, 11(3): 620-631. doi: 10.1109/TII.2015.2416435
    [3] 孔飞, 吴定会. 一种改进的鸡群算法[J]. 江南大学学报(自然科学版), 2015, 14(6): 681-688. doi: 10.3969/j.issn.1671-7147.2015.06.001
    [4] 林蔚天, 许伟, 顾幸生. 基于随机学习因子混沌PSO算法的甲醇合成转化率测量[J]. 化工学报, 2012, 63(9): 2899-2903. doi: 10.3969/j.issn.0438-1157.2012.09.036
    [5] 敖永才, 师奕兵, 张伟, 等. 自适应惯性权重的改进粒子群算法[J]. 电子科技大学学报, 2014, 43(6): 874-880. doi: 10.3969/j.issn.1001-0548.2014.06.014
    [6] Anupam Biswas, Lakra A V, Sharad Kumar, et al. An improved random inertia weighted particle swarm optimization[C] //Computational and Business Intelligence (ISCBI'13). India, New Delhi, 2013: 96-99.
    [7] 刘春波. 混合模拟退火算法的研究及其在电机优化设计中的应用[D]. 广州: 中山大学, 2010.
    [8] Sarah Lyden, Md Enamul Haque. A simulated annealing global maximum power point tracking approach for PV modules under partial shading conditions[J]. IEEE Transactions on Power Electronics, 2016, 31(06): 4171-4181. doi: 10.1109/TPEL.2015.2468592
    [9] 吴进华, 吴华丽, 周仕. 基于模拟退火的粒子群优化算法[J]. 仪器仪表学报, 2008, 29(8): 50-53. https://cpfd.cnki.com.cn/Article/CPFDTOTAL-YQYB200812001016.htm
    [10] 李田来, 刘方爱, 王新华. 基于分治策略的人工蜂群算法[J]. 控制与决策, 2015, 30(2): 316-320. https://www.cnki.com.cn/Article/CJFDTOTAL-KZYC201502020.htm
  • 加载中
图(2) / 表(2)
计量
  • 文章访问数:  312
  • HTML全文浏览量:  79
  • PDF下载量:  9
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-06-15
  • 修回日期:  2016-07-06

目录

    /

    返回文章
    返回