周园园，胡贤德，李敬明，沈桂芳

（安徽新华学院 信息工程学院，安徽 合肥 230088）

一种改进的全局和声搜索算法求解函数优化问题

周园园，胡贤德，李敬明，沈桂芳

（安徽新华学院 信息工程学院，安徽 合肥 230088）

针对和声搜索算法的早期收敛速度快，后期收敛慢，容易陷入局部最优解的问题，本文提出了一种改进的全局和声搜索算法.该算法对标准和声搜索算法作了三点改进，首先在和声记忆库初始化时采用反向学习策略，提高初始解的质量，提高收敛速度，其次，采用动态方式调整参数，第三，利用当前和声记忆库中的全局最优解产生新解，提高全局搜索能力.采用该算法对6个标准的测试函数进行优化，结果表明，该算法避免算法的早熟和增强算法的全局搜索能力，具有较好的优化性能.

和声搜索算法；反向学习；函数优化

1 引言

和声搜索算法（Harmony Search，简称HS）是一种较新的智能搜索算法[1].该算法结构简单，易于其他算法结合，已经成功地被应用到函数优化问题中.相关研究表明，在解决多维函数优化问题上HS算法比较遗传算法、模拟退火算法等具有更好的优化性能[2-5].但该算法在迭代早期具有较快的收敛速度，后期收敛速度较慢，算法的收敛速度很大程度依赖于初始解.反向学习策略已经被证明能产生高质量的初始解[6]，提高算法的收敛速度，而且已经被成功地应用到其他的智能算法的解空间的初始化中.为了提高和声记忆库中解的质量，避免……