磷虾群：一种新的仿生优化算法资料.docVIP

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 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[1]更为强大。集约化、多元化的元启发式算法[2]主要特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[ 4 ]或物理灵感的系统搜索[ 5 ]）。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泛用于在系统开发和问题解决[ 6 ]。生物启发算法是自然界的主要的元启发式算法，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