基于特征方程的蝙蝠算法分析及其改进策略

作者: 王馨 [1] 唐建新 [2]

关键词: 最优化蝙蝠算法特征方程收敛性分析元启发式算法

摘要：在求解复杂非线性优化问题时,蝙蝠算法因其进化机制中引入了更多可调参数因子而比粒子群算法和遗传算法等具有更好的收敛性能.然而,在其迭代过程中,一旦群体中出现"超级"蝙蝠个体,算法极易出现"迟滞"问题.针对该问题,采用特征方程方法对基本蝙蝠算法的收敛性进行了分析,在一定假设条件下,讨论了算法参数灵敏性.基于负梯度理论,通过调整算法中蝙蝠个体的速度更新策略,使其沿群体当前最优解的负梯度方向飞行,引导个体飞向全局最优解.典型 benchmark函数仿真实验结果表明,改进蝙蝠算法表现出较基本蝙蝠算法和带速度权重的改进粒子群算法更好的全局寻优能力.

上一篇： 预应力锚杆复合土钉墙的侧向变形
下一篇： 基于密度模糊C均值量测集划分的多扩展目标跟踪算法

基于特征方程的蝙蝠算法分析及其改进策略

作者: 王馨 [1] 唐建新 [2]

关键词: 最优化 蝙蝠算法 特征方程 收敛性分析 元启发式算法

关键词: 最优化蝙蝠算法特征方程收敛性分析元启发式算法