为平衡种群的探索与开发,提出一种改进的竞争粒子群算法(CGCSO)。通过柯西高斯变异更新胜利者的位置,提高种群的开发能力;利用环形拓扑结构信息传递速度慢的特点,将其用于胜利者的学习过程,增强种群的多样性;采用可行解优先的约束处理技术,使该算法能够处理约束优化问题。进行8个标准测试函数的仿真实验,并研究比较其它算法,该算法在优化精度和收敛性上表现较好。将该算法应用于处理汽油调和配方在线优化问题,仿真取得了较好的结果,进一步验证了该算法的有效性。
科研之友
微信
新浪微博
Facebook
分享链接
