基于模拟退火局部优化的万有引力搜索算法.doc

文档介绍：基于模拟退火局部优化的万有引力搜索算法
摘要:为了有效地避免算法陷入局部最优解,使用模拟退火算法进行局部扩展搜索,进一步提高解的质量;有效提高万有引力搜索算法的搜索效率,最后通过仿真对比,得出结合模拟退火算法的万有引力搜索算法具有收敛速度快,精度高的特点这一结论。
关键词:万有引力搜索算法(GSA); 模拟退火算法(SA); 函数优化
中图分类号: 文献标识码:A 文章编号:1006-3315(2013)08-178-001
一、介绍
万有引力搜索算法[1](Gravitational Search Algorithm)-pour等2009年提出的一种基于物理学牛顿万有引力定律的优化搜索,是通过群体中各个物体(agents)之间的万有引力相互作用产生的群体智能指导优化算法,本文通过结合模拟退货算法,预防GSA在处理多峰函数问题时可能遇到的局部最优的问题的出现。
详细万有引力搜索算法步骤参考[1],详细模拟退火算法步骤参考[2]。
二、改进算法描述
结合模拟退火算法进行更优解搜索,有利于种群的多样性,防止过早收敛而导致早熟;物体的适应值影响质量,惯性质量大的对惯性质量小的受力影响大,致使惯性质量小的往惯性质量大的移动的更多,这也印证了次优解往更优解移动而提高种群最优,即质量影响受力,受力影响速度,速度更新位置。新算法的改进在于原始算法进行初始化,适应度和受力计算以及更新速度和位置后,使用模拟退火算法搜索局部更优替换。
三、仿真
如上表数据所示,引入SA算法作为局部搜索有效提高搜索精度,不管是最优,平均还是最差的值都有所提高,由此可知新算