基于正态云模型的果蝇优化算法-东北电力大学.PDFVIP

第38卷第6期　 东 北 电 力 大 学 学 报 Vol.38,No.6 2018年12月 Journal Of Northeast Electric Power University Dec,2018 - - - 文章编号:1005 2992(2018)06 0068 07 基于正态云模型的果蝇优化算法 杜文军,孙　 斌 (东北电力大学 教务处,吉林 吉林132012) 摘　 　 　 要:针对果蝇优化算法在寻优过程中易陷入局部最优、寻优结果对算法参数的选取依赖性较 强而导致结果不稳定等现象,在研究相关理论的基础上从算法的结构上对算法性能进行分析,通过基准 函数的测试研究了影响算法性能的主要因素,将云模型相关理论引入算法改进,从算法的寻优步长和最 优解产生机制两方面对算法进行优化改进.在算法的嗅觉搜索阶段引入味道浓度影响因子,由味道浓度 影响因子自适应动态调整算法的搜索步长,提高算法的全局搜索能力和局部寻优能力;在计算味道浓度 阶段引入正态云模型,利用正态云发生器以果蝇个体到原点的距离为期望生成正态云,体现算法中果蝇 个体味道浓度的随机性和模糊性,改进算法最优解的产生机制,提高算法的寻优精度.最后将改进后的 算法应用于自动组卷系统,建立基于云模型果蝇优化算法的自动组卷数学模型,通过实验验证了算法在 组卷效率和组卷精度上都具有较好的效果. 关 键 词:果蝇优化算法;正态云模型;自动组卷 中图分类号:TP29　 　 　 　 文献标识码:A 针对科学研究中的优化问题和工程应用中的复杂问题,研究人员受自然界中生物种群群体行为的 [1] [2] [3] [4] 启发提出了仿生智能算法,如遗传算法 、细菌觅食算法 、人工鱼群算法 、蚁群优化算法 、灰狼优 [5] 化算法 等,这些算法不断发展并广泛应用于流水线调度、电力规划、光谱图像、数字水印等领域,成为 [6] 人们解决工程科学领域的强有力工具.2012 年,学者Pan 受果蝇觅食过程中群体行为协作机制的启 发,提出一种新的智能优化仿生算法:果蝇优化算法(FruitFly OptimizationAlgorithm,FOA).FOA 的实现 通过模拟果蝇群体的社会行为获得问题的最优解,算法的寻优规则简单、参数少、寻优能力好,自提出以 来受到众多学者的重视和研究应用.对FOA进行改进提高算法的效率是FOA研究主要焦点和方向,目 前,对FOA 的改进路径包括对算法的内部搜索机制的改进和与其他算法结合的外部改进两个方面.对 算法的内部改进主要对算法的搜索步长、最优解的候选机制、果蝇个体的飞行策略等方面进行改进,通 过在果蝇个体的位置更新公式中引入权重系数、自适应参数、惯性因子等提高算法的全局搜索能力和局 部搜索能力;通过对算法中味道浓度参数的调整、引入逃逸参数、将候选解的产生机制由非线性改为线 性等提高算法的寻优精度[7~9] ;通过对算法中果蝇个体的飞行方向和飞行距离加入随机策略和控制策 略提高算法中种群的多样性,避免算法早熟现象[10~12].对算法的外部改进主要通过调整算法的种群规 模和种类、与其他算法相结合设计混合式算法等方式,改变算法的种群规模和种类,在算法的寻优过程 中对不同的子种群采用不同策略提高算法的全局寻优能力[13~14] ;引入其他智能算法如差分进化、混沌 理论、禁忌搜索等,改进算法的搜索机制以平衡算法的全局寻优能力和局部寻优能力[15~17]. 本文在对影响FOA性能的相关参数做分析和研究的基础上,通过对相关文献的研究对FOA进行 改进和优化,从理论角度分析了FOA 的缺陷,针对现有文献对FOA 的改进研究忽略了算法搜索过程中 - - 收稿日期:2018 06 05 - 第一作者:杜文军(1982 ),男,硕士,助理研究员,主要研究方向:计算机应用技术 电子邮箱:114339185@(杜文