一种高效自学习性回溯搜索优化算法.pdfVIP

’‘-下Jw’ u 平昂 6苍 昂 朋 ElectronicSci．＆ Tech．／Feb．15．2015 doi：10．16180／j．cnki．issnl007—7820．2015．02．012 一 种高效 自学习性回溯搜索优化算法 田文凯 (西安电子科技大学 数学与统计学院，陕西 西安 710126) 摘 要 针对回溯搜索优化算法收敛速度慢的问题 ，文中在理论分析的基础上，分别对变异算子和交叉算子进行 了改进。设计了双种群引导形式的变异算子，并引入一种基于麦克斯韦一玻尔兹曼分布变异尺度系数，有效地增加了 变异方程的搜索效率，并设计了一种带有 自学习性的交叉策略，使得回溯搜索优化算法的收敛速度和全局搜索性能均 得到了一定的提高，通过数值实验，说明了改进的有效性。 关键词 回溯搜索优化算法；麦克斯韦～玻尔兹曼分布；变异尺度系数；自学习性；差分进化算法 中图分类号 TP301．6 文献标识码 A 文章编号 1007—7820(2015)02—041—06 EffectiveSelf-learningBacktrackingSearchOptimizationAlgorithm TIAN Wenkai (SchoolofMathematicsandStatistics，XidianUniversity，Xi’an710126，China) Abstract ForslowconvergencespeedofBacktrackingSearchOptimizationAlgorithm(BSA)，thispapermakes someimprovementsonmutationoperatorandcrossoveroperatorOilbaseoftheoreticalanalysis．Firstly，amutationop- eratorwithtwo-populationguidedform isdesigned，andanovelmutationscalefactorbasedon Maxwell—Bohzmann distribution isintroduced，which enhance search efficiency ofmutation equation effectively．Secondly，crossover strategyisdesignedwithself-learningproperty，boththem enhancetheperformanceofBSA，andnumericalexperim- entsofrtestingtheimprovedBSA aregivenintheend． Keywords backtrackingserachoptimizationalgorithm ；mxawell-boltzmanndistribution；mutation scalefac— tor；self-learningproperty；differentialevolutionaryalgorithm 近年来，进化算法 由于强大的实际应用能力得到 1 BSA的介绍 了快速发展。各种进化算法如雨后春笋般相继而出。 在长期的实践检验中，主流的进化算法大致有 (1)粒子 BSA的算法框架与差分进化算法相似，但 BSA有 群算法(PSO)J。(2)蜂群算法 (ABC)J。(3)差分 两个选择过程 ，分别称为选择 I和选择 II。选择 I为变 进化算法 (DE) 』。(4)协方差矩阵算法(CMAES)]， 异策略中随机选择一个历史种群，用于产生差分量，选 以及它们相应的改进算法，如基于粒子群算法改进的 择 II用于更新种群。总体算法框架可分为初始化种 CLPSO J PS0201