科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对引力搜索算法初始值的随机性对算法性能以及收敛速度带来的不利影响,提出了一种改进算法——伪反向学习引力搜索算法。首先将伪反向学习机制用于算法中,并且把算法的迭代次数分为多个学习周期,根据过往学习周期中反向学习的成功率来调整反向概率,设计了一种可调反向概率,用以优化反向机制在算法演化过程中的作用时机,提高了算法的收敛速度;其次为改善反向学习操作频繁对种群多样性带来的削弱,定义了"精英粒子",用其替换掉种群中适应度值较差的个体,提高了算法的优化精度。与已有文献中的算法相比,改进算法对单峰及多峰测试函数的平均最优值优化精度可提高1016;对不同类型波束的赋形结果中,改进算法对方向图旁瓣的优化精度可提高1.26dB至5.99dB;在收敛速度最快的前提下,很大程度避免了其他几种优化算法易陷入局部最优的问题,整体性能最佳。
- 单位
