磷虾群：一种新的仿生优化算法【精品文档】(完整版).docx
版权申诉
155 浏览量
2022-07-03
05:02:41
上传
评论
收藏 79KB DOCX 举报
磷虾群：一种新的仿生优化算法
摘要:本文提出了一种新型的磷虾群（KH）仿生优化算法，KH 算法基于磷虾个
体行为模拟。每个磷虾个体适应度函数定义为食物和最大密度的群集之间的距离。
磷虾个体的位置随时间变化有三个主要因素：（一）诱导运动；（二）觅食运动；（三）
扰动。对磷虾的行为进行精确的建模，将自适应遗传算子添加到算法中。对提出的
方法进行了验证并应用于最优化领域中常用的几个问题。此外，该算法与文献中的
八个著名的方法比较。KH 算法能够有效地解决广泛的基准优化问题并优于其他的算
法。
关键词：磷虾群，仿生优化算法，优化，元启发式算法，基准
1.引言
近期，元启发式优化算法已被广泛用于解决复杂优化问题。这些算法比传统基
于逻辑或数学程序设计的算法 更为强大。集约化、多元化的元启发式算法 主要特
[1]
[2]
点是强调在当前最好的解决方案的阶段搜索，并选择最佳的个体或解决方案。多元
化确保算法更有效地探索搜索空间。现代发展的具体目标元启发式算法能够更快地
解决问题，并获得更强有力的方法 。
[3]
该算法没有受到灵感有局限性（例如和谐的音乐灵感搜索 或物理灵感的系统
[ 4 ]
搜索 ）。然而，新提出的启发式算法主要的启发的方法和性质启发的算法已被广
[ 5 ]
泛用于在系统开发和问题解决 。生物启发算法是自然界的主要的元启发式算法，
[ 6 ]
该算法的仿生效率有着及其显着的能力，有着模仿自然的最佳功能。更具体地说，
这些算法在生物系统中的优胜劣汰的选择超过百万数年。近几十年来，各种仿生优
化算法已经发展。
仿生算法一般可分为三大类 ：
[7]
（1）进化算法，
（2）群智能算法，
（3）细菌觅食算法。
资源评论
