基于SQP局部搜索的多子群果蝇优化算法研究
针对标准果蝇优化算法（Fruit Fly Optimization Algorithm，FOA）在迭代寻优过程中因只保留精英个体而导致中后期种群多样性快速下降，无法跳出局部极值的问题，提出了基于序列二次规划局部搜索的多子群果蝇优化算法（Multiple Subgroups Fruit Fly Optimization Algorithm based on Sequential Quadratic Programming，MFOASQP）。新算法采用了多子群协同进化策略，将果蝇种群均匀划分为多个子群，并引入粒子群算法中的惯性权重和学习因子，协同调节果蝇移动方向和步长；每隔一定迭代次数重新划分子群，避免种群单一化，使算法更易跳出局部最优；同时为了解决 FOA在局部深度搜索方面的不足，引入了序列二次规划局部搜索方法对子群最优个体深度搜索，加强局部寻优性能。通过基准测试函数对算法各方面性能进行评估，实验结果证明新算法能够在多类测试函数中表现出较果蝇优化算法更高的寻优性能。
果蝇优化算法;SQP局部搜索;序列二次规划;早熟收敛
辽宁工程技术大学
硕士
软件工程
王英博
2017
中文
TP18;TP301.6
59
2019-03-27（万方平台首次上网日期，不代表论文的发表时间）