多峰函数优化的黄金分割斐波那契树优化算法

dapmood

多峰函数优化的黄金分割斐波那契树优化算法

6 x* R$ H+ Y$ R摘要:针对多峰函数优化问题,基于斐波那契树优化算法,结合黄金分割思想,提出一种黄金分割斐波那契树优化算法.该算法利用斐波那契树优化算法全局局部交替寻优特性,通过在寻优过程中对优化问题解空间进行黄金分割比例压缩,从而提高算法局部搜索能力与小峰值搜索能力.多峰函数优化的仿真结果表明,该算法多峰优化能力强、速度快﹑精度高.
; N. X' Q0 N6 S5 m" m3 H+ Q& h关键词:多峰优化;斐波那契树优化算法;黄金分割法;全局局部交替

! Y  _$ y% V/ q' G: j* f* w1 引言
随着计算机技术的发展,智能优化算法在实际优化问题中取得了长足的进步和显著的成绩",新发展出例如量子禁忌搜索算法[2]、逻辑运算的离散人工蜂群算法3]、自适应变异的粒子群优化算法[4等一系列优化算法.一般的智能优化算法在实际优化问题中往往只注重问题的全局最优解而忽略其局部最优解.但在实际优化问题中,如复杂系统参数及结构优化、组合优化等,常存在着多个或一个全局最优解以及其他多个有价值的局部最优解,它们都可归为多峰函数优化问题或多模态函数优化问题(Multimodal Function Opti-mization , MFO) [5].因此,有效、快速的构造一种能求出全部全局最优解及尽可能多的局部解的优化算法成为优化领域的重要研究方向.对此,传统的收敛于全局的智能算法如遗传算法、蚁群算法,粒子群算法等,通过改进算法来实现多峰函数寻优.如面向多峰函数的小生境人工蜂群算法[6]、小生境遗传算法”、小生境人工鱼群算法[8、基于小生境的粒子群算法[9:10]、改进的遗传算法["~13]等.这些算法在一定程度上取得了较好的效果,但算法存在局部搜索能力弱的缺点,很难获得较多的峰值点.基于免疫机制与免疫网络理论提出的免疫克隆算法(CLONALG) 14]、人工免疫网络算法( opt-ai-Net)[ 15]等算法具有较强的多峰寻优能力,但由于其算法本身的复杂性与寻优结果依赖于算法某些参数的设置,使得最终寻优结果求解精度不高、易早熟、应用场合受限.文献[ 16,17]提出一种多峰函数的多元优化算

, x! c5 W! @4 c. r& F. @; V. y

游客，如果您要查看本帖隐藏内容请回复

# Z  R8 i1 |/ X( l

ExxNEN

多峰函数优化的黄金分割斐波那契树优化算法