科研之友
微信
新浪微博
Facebook
分享链接
摘要
作为一种模拟蜜獾捕食行为的群智能算法，蜜獾算法易陷入局部最优解且所需迭代多次。针对蜜獾算法存在的不足，文中提出一种结合引力搜索算法与正态云技术的蜜獾算法，即CHBA(Cloud Honey Bodger Algorithm)。将蜜獾算法原有控制蜜獾个体搜索范围的密度因子替换为引力搜索算法中的加速度，提高蜜獾个体搜索范围的合理性，加速搜索迭代速度。以每代最佳蜜獾位置为期望用正态云算法生成新一批蜜獾，从而提高种群多样性，避免陷入局部最优。同时自适应调整新蜜獾的生成范围，避免局部最优。文中选用了23个基准测试函数对所提算法进行了检验，从单峰、多峰及固定维多峰函数的寻优结果分析，并对一阶时滞系统、非最小相位系统和一阶最小延迟系统的阶跃响应PID(Proportion Integration Differentiation)参数进行了优化对比，结果表明CHBA算法在搜索效率和迭代精度上具有更好的性能。
- 单位
