弱连接多子群分子动理论优化算法
A weak linked multi-subpopulation kinetic-molecular theory optimization algorithm
摘要点击 88  全文点击 79  投稿时间:2017-09-30  修订日期:2018-03-24
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/CTA.2018.70714
  2019,36(1):108-119
中文关键词  分子动理论优化算法  多子群  弱连接  群集现象  混沌扰动
英文关键词  kinetic-molecular theory optimization algorithm  multiple subpopulations  weak link  clustering phenomenon  chaotic perturbation
基金项目  国家自然科学基金项目(61573299, 51677063), 湖南省自然科学基金项目(2016JJ3125), 湖南省教育厅科学研究项目(15C1327), 湘潭大学校级课题 (15XZX31), 广西高校复杂系统与智能计算重点实验室基金(2017CSCI04)资助.
学科分类代码  
作者单位E-mail
范朝冬 湘潭大学信息工程学院 fanchd@126.com 
刘颖南 湘潭大学信息工程学院 13762236562  
章兢 湘潭大学信息工程学院,湖南大学电气与信息工程学院  
易灵芝 湘潭大学信息工程学院  
肖乐意 湖南大学电气与信息工程学院 xiaolyttkx@163.com 
中文摘要
      针对分子动理论优化算法拓扑结构与“群集”现象的不足, 提出了一种弱连接多子群分子动理论优化算法. 该 算法分为上下两层, 下层由一系列分子子群执行启发式快速搜索, 以提高算法的收敛速度; 上层中的混沌扰动子群基于 混沌扰动机制, 以便停滞状态的分子子群能跳出局部极值; 上层中的免疫局部学习子群选取下层中的部分优秀个体进行 局部学习, 以实现精细化搜索而提高算法的收敛精度. 仿真结果表明, 该算法在寻优精度、收敛速度以及求解偏移函数 等方面均有良好的性能.
英文摘要
      For overcoming the shortcomings of the topology and the ‘cluster’ phenomenon in the kinetic-molecular theory optimization algorithm (KMTOA), based on chaotic mapping and elite learning strategy, a weak linked multisubpopulation kinetic-molecular theory optimization algorithm (WLMS–KMTOA) is proposed in this paper. WLMS– KMTOA includes two layers. In the lower layer, some subgroups perform heuristic search to improve the convergence rate of WLMS–KMTOA. In the upper layer, WLMS–KMTOA uses the chaotic sequence subpopulation to avoid falling into local optimum, and uses immune local learning subgroup to perform a refined search to improve the convergence accuracy. The simulation results show that WLMS–KMTOA has good performance in solution precision and convergence speed, and can be well applied to the functions with different shift values.