科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对正余弦算法存在易陷入局部最优、求解精度不高、收敛速度较慢等问题,提出一种基于动态分级策略的改进正余弦算法。首先,引入拉丁超立方抽样法,将搜索空间均匀划分,使初始种群覆盖整个搜索空间,以保持初始种群的多样性。其次,采用动态分级策略,根据适应度值的排序情况,将种群动态划分为好中差3个等级,并应用破坏策略与精英引导方法对其进行扰动,以提高算法的收敛精度,增强跳出局部最优的能力。最后,引入反向学习方法,设计了动态反向学习全局搜索策略,以提高算法的收敛速度,同时对改进算法在复杂度、收敛性和稳定性方面进行性能测试,选取15个标准测试函数在低维和高维状态下进行仿真实验分析,并与粒子群算法、回溯搜索算法和其他改进正余弦算法进行比较。仿真分析结果表明,所提算法有效地提高了算法的收敛性和稳定性。
- 单位
