交互变邻域微分进化群搜索优化算法.pdf

III HJlINI 中 文摘要 mllNlIM 群搜索优化算法是通过模拟自然界动物群体的觅食行为而构造的随机优化算法。该 算法具有广阔的生物学背景，己成功应用于人工神经网络、医学、电力系统以及机械设 计等方面。但由于该算法提出的时间较短，目前对于群搜索优化算法的研究与应用还处 于初级阶段，仍存在很多问题有待深入改进和解决。为了有效改善群搜索优化算法(GSO) 的性能，论文主要从两个角度进行研究，并最终提出了交互变邻域微分进化群搜索优化 算法。 第一，论文对群搜索优化算法的觅食策略进行了分析，在群搜索优化算法(GSO) 中，跟随者在向最优个体靠近时采用等间距的觅食策略(固定步长为1)，使用这种觅 食策略很容易越过真正的最优食物源，表现在算法上是全局极值点有可能没有被采集 到，从而在一定程度上影响了算法的全局搜索能力，增加了算法陷入过早收敛的概率。 因此