局部搜索算子
文章平均质量分 64
EAs12344321
研究方向:智能优化算法及应用研究
GongZhongHao:智能优化算法学习园地
所复现算法的代码大多数发表在SCI一二区期刊上,可用于对比实验,增强实验的说服力
展开
-
智能优化算法改进策略之局部搜索算子(二)—模式搜索(以正余弦算法和灰狼算法为研究对象)
比如基于模式搜索的粒子群算法[1,2],融合模式搜索的人工蜂群算法[3],带有模式搜索法的鸡群优化算法[4],等等。仿真结果表明,作为一种具有前景的局部搜索工具,模式搜索法能够显著改进原始算法在基准测试特别是单峰问题上的收敛性能。四、算法效果—以单峰函数Sphere function 与 Rosenbrock function 为例,将模式搜索分别用于改进正余弦算法与灰狼优化算法,得到的算法变体分别命名为PSSCA与PSGWO(模式搜索英文名词为:pattern search)。原创 2023-06-28 16:41:55 · 75 阅读 · 1 评论 -
智能优化算法改进策略之局部搜索算子(八)--Powell方法
Powell方法[1]是一种无约束优化算法,又称为方向加速法,用于寻找多变量函数的极小值。其基本思想是在迭代中逐次产生Q共轭方向组,本质上它属于不需计算导数的共轭方向法。它在迭代过程中通过调整方向和步长,逐步缩小搜索范围,以达到目标函数的最小值。考察基于Powell方法的改进海洋捕食者算法(命名为PO-MPA) vs. 海洋捕食者算法(MPA)基于Powell方法的改进海洋捕食者算法(PO-MPA)在23个标准测试函数及CEC2017测试集中的大部分函数上的性能优于原算法。原创 2024-06-23 16:58:48 · 359 阅读 · 0 评论 -
智能优化算法改进策略之局部搜索算子(三)—二次插值法
多项式是逼近函数的一种常用工具。在寻求函数极小点的区间(即寻查区间)上,我们可以利用在若干点处的函数值来构成低次插值多项式,用它作为求极小点的函数的近似表达式,并用这个多项式的极小点作为原函数极小点的近似。低次多项式的极小点比较容易计算。常用的插值多项式为二次或三次,一般说来三次插值公式的收敛性好一些,但在导数不变计算时,三点二次插值也是一种常用的方法[1]。以海洋捕食者算法(MPA)为基本算法。考察基于二次插值法的改进海洋捕食者算法(命名为QIMPA) vs. 海洋捕食者算法(MPA)原创 2024-06-23 17:13:07 · 241 阅读 · 0 评论 -
智能优化算法改进策略之局部搜索算子(一)—动态随机搜索技术
它由一般搜索和局部搜索两部分组成,其中的局部搜索算子是在当前解的领域中展开随机搜索,并且搜索步长逐渐减小(缩减比为0.5),从而达到对当前解附近搜索空间的充分开发。然而,目前文献中涉及引入动态随机搜索技术的改进算法较少,因此读者可将其引入到自己研究的算法中,改进原算法的性能。本次代码考虑将动态局部搜索算子分别嵌入正余弦算法(SCA), 灰狼优化算法(GWO),鲸鱼优化算法(WOA), 哈里斯鹰优化器(HHO)以及平衡器优化算法(EO)。:可自行设计或引入变异方案,增强算法跳出局部最优的能力)。原创 2023-06-28 16:56:16 · 115 阅读 · 1 评论 -
【智能优化算法改进策略之局部搜索算子(五)—自适应Rosenbrock坐标轮换法】
作为一种有效的直接搜索技术,Rosenbrock坐标轮换法[1,2]是根据Rosenbrock著名的“香蕉函数”的特点量身定制的,该函数的最小值位于曲线狭窄的山谷中。此外,该方法是一种典型的基于自适应搜索方向集的无导数局部搜索技术。基于自适应Rosenbrock坐标轮换法的改进海洋捕食者算法(SAR-MPA)在23个标准测试函数及CEC2017测试集中的大部分函数上的性能优于原算法。考察基于自适应Rosenbrock坐标轮换法的改进海洋捕食者算法(命名为SAR-MPA) vs. 海洋捕食者算法(MPA)原创 2024-06-23 11:01:39 · 670 阅读 · 0 评论 -
智能优化算法改进策略之局部搜索算子(六)--进化梯度搜索
在产生并评估了解的后代之后,进化算法通常只选择最适合的后代作为下一代的亲本。此外,由于后续的测试步骤,EGS程序不是一个纯粹的进化算法,而是一个混合方法。进化梯度搜索(Evolutionary Gradient Search, EGS)[1]是兼顾进化计算与梯度搜索的一种混合算法,具有较强的局部搜索能力。从经典的优化技术中,我们知道,在某些情况下,最速下降方法表现出无用的梯度振荡:它不是沿着非常窄的山谷,同时优化路径可能在两边之间振荡,导致沿着山谷方向的有效进展非常小。通过整合之前的步骤来提供一种记忆。原创 2024-06-23 11:11:41 · 699 阅读 · 0 评论 -
智能优化算法改进策略之局部搜索算子(四)--梯度搜索法
以海洋捕食者算法(MPA)为基本算法。考察基于梯度搜索的改进海洋捕食者算法(命名为GBSMPA) vs. 海洋捕食者算法(MPA)在Penalized1函数上的比较。在CEC2017-1上的比较。在CEC2017-3上的比较。在Sphere函数上的比较。在CEC2017-4上的比较。原创 2024-06-23 17:05:42 · 212 阅读 · 0 评论 -
智能优化算法改进策略之局部搜索算子(七)--自适应模式搜索法
在这种直接搜索技术中,将模式移动和探索移动相结合,迭代地寻找最优解。然后,为了加快在探索性移动中确定的方向上的搜索过程,采用模式移动。模式搜索法[1]是Hooke与Jeeves提出的一种直接搜索算法,其目的是通过比较目标函数在有限点集中的函数值来优化目标函数。模式搜索方法原有的固定步长适用于单峰函数,但在处理复杂的多峰问题时,可能导致解陷入局部最优。基于自适应模式搜索法的改进海洋捕食者算法(PMPA)在23个标准测试函数及CEC2017测试集中的大部分函数上的性能优于原算法。原创 2024-06-23 17:02:29 · 817 阅读 · 0 评论