生物启发式算法求解多模态优化问题研究
2016-04-27钱乾芮坤坤安徽商贸职业技术学院电子信息工程系安徽芜湖241002
长江大学学报(自科版) 2016年7期
钱乾,芮坤坤 (安徽商贸职业技术学院电子信息工程系,安徽 芜湖 241002)
程美英 (合肥工业大学管理学院,安徽 合肥 230009;南洋理工大学计算机工程学院,新加坡 639798)
生物启发式算法求解多模态优化问题研究
钱乾,芮坤坤(安徽商贸职业技术学院电子信息工程系,安徽 芜湖 241002)
程美英(合肥工业大学管理学院,安徽 合肥 230009;南洋理工大学计算机工程学院,新加坡 639798)
[摘要]实际生活及工程应用中的诸多问题均可归结为多模态优化问题,研究多模态优化问题的目的在于找出问题的所有全局极值解或有意义的局部极值解。从算法的“完全收敛性”出发,探讨了目前生物启发式算法(如遗传算法、蚁群算法、萤火虫算法、鱼群算法、粒子群算法等)求解多模态优化问题存在的问题和缺陷,并得出其在求解多模态优化问题时必须满足的条件:种群的多样性及种群分布的均匀性。随后概括并总结了目前求解多模态优化问题而保持种群多样性及均匀性的若干策略,着重研究了通过生物启发式算法并结合改进小生境技术在多模态优化问题求解中的研究进展,最后评述了今后一些有意义的研究方向及主要研究内容。
[关键词]多模态优化问题; 生物启发式算法;完全收敛性;小生境技术;种群多样性
多模态优化问题(Multi-Modal Optimization)或多峰函数优化问题(Multi-hump Function Optimization,MFO)[1]自提出至今,得到了众多学者的广泛关注。相对于解决其他形式的优化问题,求解多模态优化问题既要避免算法陷入局部极值解,又要让不同的极值解在种群中都有出现的机会,以便找到更多的优秀解。……
登录APP查看全文
