基于旋转学习策略的共生生物搜索算法-计算机应用研究.PDFVIP

基于旋转学习策略的共生生物搜索算法 作者 王艳娇, 陶欢欢 机构 东北电力大学 信息工程学院 发表期刊 《计算机应用研究》 预排期卷 2017 年第34 卷第9 期 访问地址 /article/02-2017-09-019.html 发布日期 2016-09-18 17:56:09 引用格式 王艳娇, 陶欢欢. 基于旋转学习策略的共生生物搜索算法[J/OL]. [2016-09-18]. http://www.aroc /article/02-2017-09-019.html. 摘要 为提高共生生物搜索算法（symbiotic organisms search ，SOS）的性能，提出一种基于旋转学习 策略的共生生物搜索算法（symbiotic organisms search using rotation-based learning，RSOS）。 该算法将串行个体更新方式改为并行种群更新方式，提高算法收敛速度；引入遍历保优的旋转学 习策略，代替寄生机制的盲目随机搜索，增大保留新个体的概率，补充种群多样性，提高算法跳 出局部最优的能力。对于8 个标准测试函数仿真表明，RSOS 算法较基本S… 关键词 共生生物搜索算法, 旋转学习, 函数优化 中图分类号 TP182 基金项目 国家自然科学基金资助项目 优先出版 计 算 机 应 用 研 究 第34 卷 基于旋转学习策略的共生生物搜索算法* 王艳娇，陶欢欢 ( 东北电力大学 信息工程学院，吉林 吉林 132012) 摘 要：为提高共生生物搜索算法（symbiotic organisms search，SOS）的性能，提出一种基于旋转学习策略的共生生物 搜索算法（symbiotic organisms search using rotation-based learning ，RSOS ）。该算法将串行个体更新方式改为并行种群更 新方式，提高算法收敛速度；引入遍历保优的旋转学习策略，代替寄生机制的盲目随机搜索，增大保留新个体的概率， 补充种群多样性，提高算法跳出局部最优的能力。对于8 个标准测试函数仿真表明，RSOS 算法较基本SOS 算法在收敛 速度、收敛精度及稳定性上得到了明显提升。 关键词：共生生物搜索算法；旋转学习；函数优化 中图分类号：TP182 Symbiotic organisms search using rotation-based learning. Wang Yanjiao, Tao Huanhuan (Dept. of Information Engineering, Northeast Dianli University, Jilin, Jilin 132012, China) Abstract: In order to improve the performance of Symbiotic Organisms Search algorithm(SOS),this paper proposed a Symbiotic Organisms Search Using Rotation-Based Learning algorithm. In this algorithm, it changed serial individual update mode into parallel population update mode to improve the convergence speed . Supplementing t