模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2018, Vol. 31 Issue (5): 431-441    DOI: 10.16451/j.cnki.issn1003-6059.201805005
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
一种群体智能算法——狮群算法
刘生建1, 杨艳1, 周永权2
1.广州大学华软软件学院 游戏系 广州 510990
2.广西民族大学 信息科学与工程学院 南宁 530006
A Swarm Intelligence Algorithm-Lion Swarm Optimization
LIU Shengjian1, YANG Yan1, ZHOU Yongquan2
1.Department of Game, South China Institute of Software Engineering, Guangzhou University, Guangzhou 510990
2.College of Information Science and Engineering, Guangxi University for Nationalities, Nanning 530006

全文: PDF (882 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物“适者生存”的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘生建
刘生建
杨艳
杨艳
周永权
周永权
关键词 狮群算法(LSO)狮群算法(LSO)粒子群算法(PSO)粒子群算法(PSO)函数优化函数优化群体智能群体智能    
Abstract:Based on the natural division of labor among lion king, lionesses and cubs in a lion group, a swarm intelligent algorithm, loin swarm optimization(LSO), is proposed. LSO is inspired by intelligent behaviors of three populations including lion guarding, lioness hunting, cubs following. In LSO, policies of location updating are different for three populations. LSO follows the biological competition law of “survival of the fittest” in nature world, i.e., the lion king guards territory and possesses the priority of food, lionesses cooperate in hunting, and lion cubs fall into eating, learning to hunt, and being expelled after entering adulthood. The diversity of lion location updating guarantees that LSO converges fast and is not easily trapped into a local optimal solution. LSO is compared with the particle swarm optimization and the bare bones particle swarm optimization on six optimization test functions. Results show that LSO produces fast convergence and high precision, and it obtains a better global optimal solution.
Key wordsLion Swarm Optimization(LSO)    Lion Swarm Optimization(LSO)    Particle Swarm Optimization(PSO)    Particle Swarm Optimization(PSO)    Function Optimization    Function Optimization    Swarm Intelligence    Swarm Intelligence   
收稿日期: 2017-11-06     
ZTFLH: TP 18  
基金资助:广东高校省级重点平台和重大科研项目(No.2016KTSCX189)、广州大学华软软件学院科研项目(No.ky201616)资助
通讯作者: 杨艳,硕士,讲师,主要研究方向为计算智能、群智能算法及其应用.E-mail:yangyan_08@yeah.net.   
作者简介: 刘生建,硕士,讲师,主要研究方向为群智能算法、深度学习.E-mail:lsj178@139.com.
周永权,博士,教授,主要研究方向为计算智能、神经网络及其应用等.E-mail:yongquanzhou@126.com.
引用本文:   
刘生建, 杨艳, 周永权. 一种群体智能算法——狮群算法[J]. 模式识别与人工智能, 2018, 31(5): 431-441. LIU Shengjian, YANG Yan, ZHOU Yongquan. A Swarm Intelligence Algorithm-Lion Swarm Optimization. , 2018, 31(5): 431-441.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201805005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2018/V31/I5/431
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn