混合群搜索優(yōu)化算法及其應用研究.pdf

1、群搜索優(yōu)化算法是S.He，Q.H.Wu和J.R.Saunders.于2006年共同提出的，來源于對動物覓食行為和群居形態(tài)的一種模仿，并首次利用了生物學的視覺搜索原理。但標準群搜索優(yōu)化算法在處理多模態(tài)優(yōu)化問題時易陷于局部極小值，此外，它在優(yōu)化后期的收斂速度明顯變慢，甚至處于停滯狀態(tài)，難以獲很好的全局最優(yōu)解，因此本文針對上述兩類問題，分別提出兩種混合群搜索優(yōu)化算法以提高優(yōu)化性能。
　　 針對群搜索優(yōu)化算法在多模態(tài)優(yōu)化問題上容易陷于過

2、早收斂，本文將Metropolis準則引入發(fā)現者的搜索模式，使得算法能以一定的概率接受劣解，從而強化算法的全局搜索能力，使其能有效跳出局部極值點。通過七個典型測試函數的測試，結果表明該算法的性能明顯優(yōu)于標準群搜索優(yōu)化算法，尤其在求解高維多峰函數問題上有獨特優(yōu)勢。
　　 針對一類特殊具有導數信息的優(yōu)化問題，本文將限域擬牛頓法引入群搜索優(yōu)化算法中，提出了群搜索優(yōu)化算法與限域擬牛頓法的混合算法，并以七個典型測試函數的高維數值優(yōu)化問題進