计算机工程与应用

2020, v.56;No.965(22) 1-12

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

若干新型群智能优化算法的对比研究
Comparative Study of Several New Swarm Intelligence Optimization Algorithms

李雅丽;王淑琴;陈倩茹;王小钢;

摘要(Abstract):

随着计算机技术的发展,算法技术也在不断交替更新。近年来,群体智能算法受到了广泛的关注和研究,并在诸如机器学习、过程控制、工程预测等领域取得了进展。群智能优化算法属于生物启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路,但是也在一些实验中暴露出不足。近年来,许多学者相继提出了很多新型群智能优化算法,选取了最近几年国内外提出的比较典型的群智能算法,蝙蝠算法(Bat Algorithm,BA)、灰狼优化算法(Grey Wolf Optimization,GWO)、蜻蜓算法(Dragonfly Algorithm,DA)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)、蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)和麻雀搜索算法(Sparrow Search Algorithm,SSA),并进一步通过22个标准的CEC测试函数从收敛速度、精度和稳定性等方面对比了这些算法的实验性能,并对比分析了其相关的改进方法。最后总结了群智能优化算法的特点,探讨了其今后的发展潜力。

关键词(KeyWords): 群智能优化算法;优化问题;生物启发式算法;麻雀搜索算法;鲸鱼优化算法

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61070089);; 天津市应用基础与前沿技术研究计划项目(No.15JCYBJC4600,No.19JCZDJC35100)

作者(Author): 李雅丽;王淑琴;陈倩茹;王小钢;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享