采用精英多父体杂交策略的粒子群优化算法

本文尝试将精英多父体杂交策略引入粒子群优化算法，多父体杂交策略是像郭涛算法之类的智能算法的核心操作策略，这里借助这一策略，融合到粒子群优化算法中，期望能对标准算法有所改进。
阅读全文 >

引入差分变异算子的进化策略

引入差分变异算子的进化策略(DES)是将差分进化算法(DE)中独特的变异算子引入进化策略(ES)而构成的一种优化算法。DES算法具有较强的鲁棒性，既可保持进化策略快速收敛的特点，又增加了算法的全局搜索能力，提高了优化效率。DES算法的具体步骤如下：
阅读全文 >

多步式粒子群优化算法

标准粒子群优化算法的速度更新公式为V’=w*V+c1*rand(pBest-X)+c2*rand()*(gBest-X)，因V和pBest、gBest的耦合导致X更新缓慢。受人类社会行为的启发：每一个人在做一件事的过程中，有时依靠个人经验，有时依靠群体经验，有时完全依靠个人创新，而有时是综合考虑各种经验后才做出决定。每一种都有可能获得好的结果，三者是可以分开和任意组合的，因此将更新改为多步式进行。
阅读全文 >

引入变异算子的改进人工鱼群算法

人工鱼群算法(AFSA)是模仿鱼类行为提出的一种基于动物自治体的优化方法，是群体智能思想的一个具体应用，它解决问题时不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各智能人工鱼个体的局部寻优行为，最终使全局最优值突现(涌现)出来。

基本AFSA有一个比较严重的缺陷是后期收敛速度比较慢，解的精度不高，因此提出了引入变异算子的改进人工鱼群算法。
阅读全文 >

采用领域结构的改进进化策略

进化策略中的变异算子是直接在父体上添加变异量，这里描述的采用领域结构的改进进化策略并不直接采用父体，而是采用与个体相邻的部分个体形成的小群体，这样可以利用相邻个体的信息，加大交流，从而使得进化策略得以改进。
阅读全文 >

动态调整视野和步长的改进人工鱼群算法

人工鱼群算法一种模拟动物行为的群体智能优化算法，目前在许多方面的的优化问题中有较好的表现，但存在后期搜索精度较低的缺陷，针对这一问题，不少学者进行了相关研究，研究结果表明，视野对人工鱼群算法中各种行为和收敛性能有较大影响。若视野Visual范围较大，则人工鱼的全局搜索能力强并能快速收敛；若视野范围较小，则人工鱼的局部搜索能力强。步长Step越大，收敛速度越快，但有时会出现振荡现象；步长越小，收敛速度越慢，但求解精度越高。
阅读全文 >

粒子群和人工鱼群协同进化的混合优化算法

协同进化思想

协同进化的原理可以解释为，算法采用多个种群，或将一个种群分为多个子群，各种群(或子群)在各自独立进化的同时相互间共享和交互信息，各种群不仅利用从外界获得的信息指导自身的搜索，同时还把探索得到的经验与其他种群分享，从而使得整个系统协同进化，直至获得最优解。
阅读全文 >