群搜索優(yōu)化算法的若干改進及其應用研究.pdf

1、群搜索優(yōu)化算法(Group Search Optimization,GSO)是受到動物覓食機制的啟發(fā)提出的一種新穎的群智能優(yōu)化算法。因為其種群結構獨特,在求解優(yōu)化問題時性能表現(xiàn)突出,因此被人們逐漸關注,在神經(jīng)網(wǎng)絡訓練、函數(shù)優(yōu)化、機器人路徑規(guī)劃等領域獲得了廣泛應用。然而群搜索優(yōu)化算法在解決復雜問題時,依然存在過早收斂、易于陷入局部最優(yōu)等問題。本論文采取多種策略對群搜索優(yōu)化算法進行改進,提高其在解決復雜優(yōu)化問題方面的能力。
　　本文算

2、法從以下兩個方面進行了設計和改進。為了提高群搜索優(yōu)化算法的搜索能力,設計了一種基于發(fā)現(xiàn)者預選擇機制的自適應群搜索優(yōu)化算法(A producer pre-selection mechanism based self adaptive group search optimization,PSAGSO)。該算法依據(jù)發(fā)現(xiàn)者.追隨者模型,采用預選擇機制,用倒序變異算子產(chǎn)生新發(fā)現(xiàn)者,來引導追隨者尋優(yōu)的方向,有效地維持了群體中個體的多樣性。為了使算法

3、更好地兼顧全局和局部搜索能力,設計出了一種基于線性遞減的動態(tài)自適應方法來調整游蕩者的分布比例,以提高種群中個體的活力,有利于算法跳出局部最優(yōu)。通過對23個基準函數(shù)進行測試。對于30維函數(shù)優(yōu)化, PSAGSO算法的測試數(shù)據(jù)優(yōu)于原文獻提供的數(shù)據(jù);對于300維函數(shù)優(yōu)化問題,PSAGSO算法的性能更佳。實驗結果表明,PSAGSO改進了群搜索優(yōu)化算法的不足,在一定程度上提高了算法的收斂速度和收斂精度。
　　針對復雜環(huán)境的無人機航跡規(guī)劃問題,