利用人工蜂群算法改进引力搜索算法性能以求解约束数值优化问题
神经与进化计算
2017-07-28 v1
摘要
在本文中，我们提出了一种名为 GSABC 的改进引力搜索算法。该算法利用人工蜂群算法（ABC）来改进引力搜索算法（GSA）的结果，以求解约束数值优化问题。在 GSA 中，解之间通过施加引力相互吸引，引力取决于分配给解的质量。质量最大的解比其他解移动更慢并吸引其他解。由于引力的性质，如果某些解陷入局部极小，GSA 可能会错过全局极小。ABC 更新从 GSA 获得的最优解的位置，凭借其强大的搜索能力防止 GSA 陷入局部极小。所提出的算法提升了 GSA 的性能。所提出的方法在 23 个著名的单峰、多峰和定点多峰基准测试函数上进行了测试。实验结果表明，GSABC 优于或与五种最先进的优化方法性能相当。
引用
@article{arxiv.1706.03608,
title = {Improving Gravitational Search Algorithm Performance with Artificial Bee Colony Algorithm for Constrained Numerical Optimization},
author = {Hasan Ali Akyürek and Ömer Kaan Baykan and Barış Koçer},
journal= {arXiv preprint arXiv:1706.03608},
year = {2017}
}
备注
13 pages in The Journal of MacroTrends in Applied Science, Vol 4. Issue 1. 2016