IRGBSO：重初始化思想和自适应步长头脑风暴优化算法

IRGBSO：重初始化思想和自适应步长头脑风暴优化算法

参考文献
《Brain Storm Optimization Algorithm with Re-initialized Ideas and Adaptive Step Size》

要点

• 通过引入由当前种群的重新初始化机制提高BSO的性能。
• 提议修改步长方程，以便考虑搜索空间大小。

一、原始BSO算法

详见：BSO

二、改进的BSO算法

BSO算法的一个缺点是如果已经收敛，则无法将新想法注入种群。

本文中用ABC的想法来评估种群成员的停滞。每个想法都被分配了一个单独的计数器，此想法未得到改进时递增。当计数器超过某个阈值时，该想法在搜索空间中重新初始化。

此外，可以以两种不同的方式进行重新初始化过程。要么随机重新初始化搜索空间中的想法，要么通过组合采用随机选择的想法来使用差分演进更新方程来产生新的想法。该机制的算法如图2所示。该函数在BSO算法的每个迭代中执行。

另一个修改是改进了步长大小更新方法。在许多其他修改中，无论实际搜索空间大小如何，所生成的参数ξ始终在0到1之间。 在这项工作中，我们提议将因子ξ乘以与搜索空间大小成比例的新参数α。因此，更新ξ将使用以下等式：

三、参数设置

• Threshold：10
• α：0.05*(UB-LB)
• F：0.5