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  2021, Vol. 34 Issue (7): 605-618    DOI: 10.16451/j.cnki.issn1003-6059.202107003
“智能优化算法”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
信息共享的记忆被囊群算法
屈迟文1,2, 彭小宁1,3
1.湖南师范大学 数学与统计学院 长沙 410081;
2.湖南师范大学 计算与随机数学教育部重点实验室 长沙 410081;
3.湖南师范大学 医学院 长沙 410081
Memory Tunicate Swarm Algorithm with Information Sharing
QU Chiwen1,2, PENG Xiaoning1,3
1. School of Mathematics and Statistics, Hunan Normal University, Changsha 410081;
2. Key Laboratory of Computing and Stochastic Mathematics, Ministry of Education, Hunan Normal University, Changsha 410081;
3. School of Medicine, Hunan Normal University, Changsha 410081

全文: PDF (905 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对基本被囊群算法求解精度较低、收敛速度较慢、容易陷入局部最优的缺陷,提出信息共享的记忆被囊群算法.首先,将整个种群分为执行信息共享搜索和喷气推进搜索两个子群,引入动态自适应调整策略,用于平衡算法的全局开拓能力和局部开发能力.然后,在执行信息共享搜索模式时,部分个体向同伴所在领域相互获取信息,实现种群个体之间信息的充分交流与共享.另一部分个体引入历史最优位置,用于引导学习,增强算法搜索的有效性.在20个基准测试函数上的实验表明,文中算法的收敛速度、求解精度、鲁棒性等都较优.
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
屈迟文
彭小宁
关键词 被囊群算法信息共享记忆搜索行为搜索精度    
Abstract:Aiming at the problems of low accuracy, slow convergence speed and easily falling into local optimum of the tunicate swarm algorithm(TSA), a memory tunicate swarm algorithm with information sharing is proposed. Firstly, a dynamic self-adaptive adjustment strategy is adopted to divide the population into two sub-groups dynamically, including information sharing search and jet propulsion search, to balance the global development capability and local development capability of TSA. Then, some tunicate individuals are selected randomly to acquire information from the peers to realize the sufficient information exchange and sharing among tunicate individuals in the information sharing search mode. For another group of individuals, historical optimal locations are introduced to guide learning and thus the effectiveness of the algorithm search is enhanced. Experimental results on 20 benchmark functions show that the proposed algorithm is evidently superior in convergence rate, solution accuracy and robustness.
Key wordsTunicate Swarm Algorithm    Information Sharing    Memory Search Behavior    Searching Precision   
收稿日期: 2021-01-13     
ZTFLH: TP182  
  TP391  
基金资助:国家自然科学基金项目(No.81472860)、湖南省重点研发计划项目(No.2020DK2002)资助
通讯作者: 彭小宁,博士,教授,主要研究方向为遗传算法开发与运用、肿瘤基因组数据挖掘.E-mail:pxiaoning@hunnu.edu.cn.   
作者简介: 屈迟文,博士研究生,副教授,主要研究方向为智能计算、统计学.E-mail: quchiwen@163.com.
引用本文:   
屈迟文, 彭小宁. 信息共享的记忆被囊群算法[J]. 模式识别与人工智能, 2021, 34(7): 605-618. QU Chiwen, PENG Xiaoning. Memory Tunicate Swarm Algorithm with Information Sharing. , 2021, 34(7): 605-618.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202107003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I7/605
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