10.3969/j.issn.2095-2783.2022.03.010
基于高斯变异的蚁狮算法及其在组合优化中的应用
针对蚁狮(ant lion optimizer,ALO)算法在寻优后期种群数量减少、精英蚁狮影响权重减小导致算法收敛速度较慢且易陷入局优的问题,提出基于高斯变异的蚁狮(Gaussian mutation based ALO,GALO)算法.首先引用Kent混沌对初始蚂蚁种群进行扰动,提高蚂蚁种群多样性作为蚁狮寻优的基础;其次在精英蚁狮的位置更新方式中引入上一代精英蚁狮,提高算法全局搜索的能力,并通过动态切换概率平衡算法局部和全局探索的能力;最后引入高斯变异的方法,加强后期算法跳出局部最优的能力.通过10个测试函数来评估算法的寻优能力,并将其应用到0-1背包问题、桁架尺寸和动力学优化问题中,验证了GALO算法应用于组合优化问题中收敛速度更快、精度更高,为结构优化提供了一种新的方法.
计算机应用技术、蚁狮算法、混沌映射、动态惯性权重、高斯变异、组合优化
17
TP301.6(计算技术、计算机技术)
河北省高等学校科学技术研究项目;河北省创新能力提升计划项目
2022-04-07（万方平台首次上网日期，不代表论文的发表时间）
共10页
295-304
