您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (1): 1-8.doi: 10.6040/j.issn.1672-3961.0.2012.002

• 机器学习与数据挖掘 •    下一篇

一种改进的混合蛙跳算法求解有约束优化问题

潇丹,赵力,邹采荣*   

  1. 东南大学水声信号处理教育部重点实验室, 江苏 南京 210096
  • 收稿日期:2012-05-02 出版日期:2013-02-20 发布日期:2012-05-02
  • 通讯作者: 邹采荣(1963- ),男,江苏昆山人,博士,教授,主要研究方向为多维数字信号处理理论及其应用研究.E-mail:cr-zou@fosu.edu.cn
  • 作者简介:张潇丹(1988-),女,河南南阳人,博士研究生,主要研究方向为群体智能优化算法,语音情感识别.E-mail:zhangdaqing-925@163.com
  • 基金资助:

    国家自然科学基金资助项目(61231002;61273266;51075068),教育部博士点专项基金资助项目(20110092130004)

An improved shuffled frog leaping algorithm for solving constrained optimization problems

ZHANG Xiao-dan, ZHAO Li, ZOU Cai-rong*   

  1. Key Laboratory of Underwater Acoustic Signal Processing of Ministry of Education, Southeast University, Nanjing 210096, China
  • Received:2012-05-02 Online:2013-02-20 Published:2012-05-02

摘要:

提出一种适用于求解有约束优化问题的改进混合蛙跳算法(improved shuffled frog leaping algorithm, Im-SFLA)。该算法针对混合蛙跳算法(shuffled frog leaping algorithm, SFLA)在进化后期搜索速度变慢且容易陷入局部极值的缺陷,将模拟退火和免疫接种思想引入到具有高斯变异和混沌扰动的SFLA中。标准测试函数仿真结果表明Im-SFLA能显著提高收敛速度和精度,并能有效克服局部极值,全局寻优能力明显优于SFLA。使用静态罚函数法将有约束优化转化为无约束优化,对12个有约束优化测试函数的实验结果表明Im-SFLA寻优精度高、鲁棒性强,是一种十分有效的求解有约束优化问题的算法。

关键词: 免疫, 高斯变异, 模拟退火, 有约束优化, 混合蛙跳算法, 混沌扰动

Abstract:

An improved shuffled frog leaping algorithm (Im-SFLA) was proposed for solving constrained optimization problems. In view of overcoming the defects of shuffled frog leaping algorithm (SFLA) such as slow searching speed in the late evolution and local minimum, the ideas of simulated annealing and immune vaccination were involved into basic SFLA with Guassian mutation and chaotic disturbance in the improved algorithm. The test results on standard test functions indicated that Im-SFLA could outstandingly enhance the convergence velocity and precision, effectively averted the local extreme values and the global searching performance was superior to SFLA. The static penalty function was used to transform a constrained optimization problem into an unconstrained optimization problem, and the test results on 12 constrained optimization benchmark functions showed that Im-SFLA could obtain a high solution quality and had strong robust, which was an effective algorithm for solving constrained optimization problems.

Key words: immune, shuffled frog leaping algorithm, simulated annealing, Guassian mutation, constrained optimization, chaotic disturbance

中图分类号: 

  • TP301
[1] 吴晨谋,方志军,黄正能. 基于单目摄像头的主动式驾驶行为分析算法[J]. 山东大学学报(工学版), 2018, 48(5): 69-76.
[2] 钱淑渠,武慧虹,徐国峰,金晶亮. 计及排放的动态经济调度免疫克隆演化算法[J]. 山东大学学报(工学版), 2018, 48(4): 1-9.
[3] 左俊彦, 张建国, 钟涛. 基于Canny检测的股骨边缘轮廓连接算法[J]. 山东大学学报(工学版), 2015, 45(3): 65-72.
[4] 戴红伟, 杨玉, 仲兆满, 李存华. 改进量子交叉免疫克隆算法及其应用[J]. 山东大学学报(工学版), 2015, 45(2): 17-21.
[5] 于振梅1,杨蓉蓉2,齐凤美3,张晖3,刘凤鸣4. 一种基于免疫稳态维持的Web服务负载均衡模型[J]. 山东大学学报(工学版), 2012, 42(3): 39-44.
[6] 严宣辉,曾庆盛*,舒才良. 融合免疫机制的协同进化模型[J]. 山东大学学报(工学版), 2012, 42(1): 34-44.
[7] 孙秋丽,韩芳溪,王晓琳. 基于检测树的抗原合法性快速检测方法[J]. 山东大学学报(工学版), 2010, 40(5): 8-11.
[8] 梁春林1,彭凌西2*. 基于免疫网络的无监督式分类算法[J]. 山东大学学报(工学版), 2010, 40(5): 82-86.
[9] 王新沛1,刘常春1*,白曈2. 基于均值距离的图像分割方法[J]. 山东大学学报(工学版), 2010, 40(4): 36-41.
[10] 刘琼 吴小俊. 一种改进的免疫克隆选择算法[J]. 山东大学学报(工学版), 2009, 39(6): 8-12.
[11] 王振树 李林川 李波. 基于粒子群与模拟退火相结合的无功优化算法[J]. 山东大学学报(工学版), 2008, 38(6): 15-20.
[12] 杨立才,叶杨,聂红涛,刘慧慧,林洁 . 基于免疫模糊聚类RBF网络的交通信息融合算法[J]. 山东大学学报(工学版), 2008, 38(5): 1-5 .
[13] 吴 皓,田国会,黄 彬 . 未知环境探测的多机器人协作策略研究[J]. 山东大学学报(工学版), 2008, 38(4): 27-31 .
[14] 林 洁,杨立才,吴晓晴,叶 杨 . 求解动态路径诱导K路最短问题的人工免疫优化方法[J]. 山东大学学报(工学版), 2007, 37(2): 103-108 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!