混沌精英黏菌算法
文章目录
- 混沌精英黏菌算法
- 1.黏菌算法
- 2.改进黏菌算法
- 2.1 混沌初始化
- 2.2 精英反向学习策略
- 3.实验结果
- 4.参考文献
- 5.Matlab代码
- 6.python代码
摘要:为进一步提高标准黏菌算法的收敛速度和求解精度,采用 Tent 混沌映射丰富种群多样性,同时引入精英反向学习策略扩大搜索范围。
1.黏菌算法
2.改进黏菌算法
2.1 混沌初始化
采用 Tent 混沌映射在 SMA 算法迭代初期进行种群初始化,使得个体位置均匀分布在搜索空间内, 有助于提高算法求解 效率。Tent 混池映射的数学表达式为
式(10)中: 表示映射次数; 表示第
2.2 精英反向学习策略
反向学习策略(opposition-based learning, OBL) 是由 Tizhoosh 于 2005 年提出一种优化机制, 其主 要原理是针对当前可行解, 同时计算和评估其反向 解, 从中选取较优的解作为下一代个体 。精英反 向学习 (elite opposition-based learning, EOBL) 在前 者基础上利用精英个体比一般个体包括更加丰富 的有效信息和反向种群来增加种群多样性 , 扩大 搜索空间; 通讨引入 EOBL 策略能够有效增强算法 的全局搜索能力, 进一步提高算法的寻优性能。假 设当前黏窗种群中精英个体(即当前最优解)为 , 其中 为优化问题的空间 维度, 则其精英反向解 可 以定义为
式 (11) 中: 为第 维个体的数值; 为区间 内服从正态分布的随机数; 表示第 维搜 索空间的动态边界, 其定义为
式中: 分别为第 维个体的最小 值和最大值。
当生成的反向解超出 边界范眷时, 使用随机生成的方法进行越界重置, 具体描述为
综合上述, 改进的混池精英秥菌算法 (chaotic elite slime mould algorithm, CESMA) 可以利用伪代 码表述其执行流程,如表 1 所示。
3.实验结果
4.参考文献
[1]肖亚宁,孙雪,李三平,姚金言.基于混沌精英黏菌算法的无刷直流电机转速控制[J].科学技术与工程,2021,21(28):12130-12138.
5.Matlab代码
6.python代码