钱伟懿, 张丽佳

(渤海大学 数理学院, 辽宁 锦州 121013)



运筹学与控制论

惯性质量衰减的引力搜索算法

钱伟懿, 张丽佳

(渤海大学 数理学院, 辽宁 锦州 121013)

针对引力搜索算法易陷入局部最优的缺点,提出一种惯性质量衰减的引力搜索算法。 该算法认为粒子的惯性质量有一定衰减,把粒子惯性质量的衰减率看成一个模糊变量,用其隶属度函数定义惯性质量的衰减率,把衰减率与粒子惯性质量乘积作为粒子的惯性质量,从而提高算法的开发能力。另外,为了提高算法的探索能力,给出一个新的变异算子。最后,把所提出算法应用到经典测试函数中,并与引力搜索算法及其他改进的引力搜索算法比较,数值结果表明所给出的算法能够提高求解精度和收敛速度。

引力搜索算法; 隶属度函数; 变异算子; 全局优化

在过去几十年中,研究人员从自然现象中得到启发,提出了许多启发式优化算法。例如,遗传算法[1]、蚁群优化算法[2]、粒子群优化算法[3-4]、模拟退火法[5]、人工蜂群算法[6]等。这些算法都是针对某些特定问题,目前尚没有哪一种算法能够成功地解决所有的优化问题。因此,探索新的算法十分必要。

引力搜索算法(Gravitational search algorithm, GSA)是一种新的启发式优化算法,在2009年,首先被Esmat等人提出[7-8],其原理源于对万有引力进行模拟产生的群体智能优化算法。目前引力搜索算法得到了广泛应用,如流水线调度[9]、模糊聚类[10-11]、滤波器的建模[12], 引起许多学者的关注。

Sun等人基于引力搜索算法和遗传算法提出了一种混合GSA算法[13]。……