李云仙,谢丽萍,谭瑛

• 1:太原科技大学计算机科学与技术学院

摘要(Abstract)：

为解决APO算法只遵循一种运动规则,过程单一,多样性较差,易使算法陷入局部最优的不足,借鉴精英学习策略,提出了分组精英学习策略对APO算法改进。该算法对种群个体进行分组,组内个体单独进化若干代,按适应值排序后选择最好的若干个体作为精英个体,精英个体即为组间个体,进行组间搜索,同时组内个体围绕各自精英个体局部精细搜索寻优,并引入反向学习和种群多样性指标动态调整各组个体的运动趋势,使个体间相似程度增大,寻找潜在的较好解,同时对组内组间不同个体遵循不同的作用力规则,有效地保持种群多样性,通过14个测试函数与APO算法比较,实验结果表明,该算法是有效的,在种群多样性与解的精度上较优。

关键词(KeyWords)： APO算法优化;精英学习;反向学习;多样性;作用力规则

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61403271);国家自然科学基金(61472269);; 太原科技大学博士后基金(20142022)

作者(Author): 李云仙,谢丽萍,谭瑛

参考文献(References)：

• [1]喻祥,孙辉,赵嘉,等.自适应多策略粒子群优化算法的研究综述[J].南昌工程学院学报,2016,35(3):72-75.
• [2]傅文渊,凌朝东.布朗运动模拟退火算法[J].计算机学报,2014,37(6):1301-1308.
• [3] LIU H,XU G,DING G,et al. Integrating opposition-based learning into the evolution equation of bare-bones particle swarm optimization[J]. Soft Computing,2015,10(10):539-546.
• [4]刘衍民,赵庆祯,隋常玲,等.一种基于动态邻居和变异因子的粒子群算法[J].控制与决策,2010,25(7):969-974.
• [5]汪慎文,丁立新,谢承旺,等.应用精英反向学习策略的混合差分演化算法[J].武汉大学学报,2013,59(2):111-116.
• [6] I J,WANG C,LI B,et al. Elite opposition-based particle swarm optimization based on disturbances[J]. Application Research of Computers,2016,33(9):2584-2591.
• [7]谢丽萍,曾建潮.基于拟态物理学方法的全局优化算法[J].计算机研究与发展,2011,48(5):848-854.
• [8] XIE L P,YIN J,ZHANG H L,TAN Y. Mass functions design of artificial physics optimization algorithm for constrained optimization problem[J]. International Journal of Computer Applications in Technology,2013,46(3):220-227.
• [9]张斐,谢丽萍,曾建潮,等.一种混合一维搜索的矢量拟态物理学算法[J].太原科技大学学报. 2011,32(4):337-341.
• [10]夏季,谢丽萍,孙超利.一种混合拟态物理学优化算法[J].太原科技大学学报,2017,38(1):1-6.
• [11] XIE L P,ZENG J C,RICHARD A. Convergence an analysis and performance of the extended Artificial physics Optimization Algorithm[J]. Applied Mathematics and Computation,2011,218(8):4000-4011.
• [12] YANG G J,XIE L P,TANG Y. Artificial physics Optimization algorithm guided by diversity[J]. International Journal of Computer Applications in Technology,2013,46(4):369-375.
• [13]李帅龙,崔国民,陈家星,等.一种采用种群多样性监控和实时更新策略的粒子群优化算法[J].计算物理,. 2017,34(3):345-354.
• [14] LI N,LI Y X. A Diversity Guided Particles Swarm Optimization[J]. Advanced Materials Research,2012,532(6):1429-1433.
• [15] WANG W J,WANG H. An improved diversity-guided particle swarm optimization for numerical optimization[J]. Computing Science and Mathematics,2014,5(1):16-26.
• [16]张新明,康强,王霞,等.交叉反向学习和同粒子社会学习的PSO算法[J].计算机应用,2017,37(11):1-9.