针对复杂函数的优化问题,文章提出了一种基于改进鸡群算法和自适应简化粒子群优化算法(selfadjusted simplified particle swarm optimization, SASPSO)的两阶段混合优化算法。首先,针对基本的鸡群算法易陷入局部最优和收敛精度不高的问题,在小鸡的位置更新公式中引入动态权值和全局最优个体,提出了改进鸡群算法;其次,引入多样性函数实时监控种群多样性,并结合SASPSO算法形成一种混合算法;最后,采用7个经典测试函数,用所提出的算法进行寻优测试,并与基本的粒子群算法、基本鸡群算法以及本文提出的改进鸡群算法进行对比。分析测试结果表明,该算法在求解复杂函数优化问题时具有较好的收敛速度和收敛精度。

国家自然科学基金(61074093);

复杂函数优化; 鸡群算法; 粒子群算法; 混合算法;

10.13889/j.issn.2096-5427.2019.06.002

TP18

58-1251014K
在线咨询 用户反馈