基于levy飞行和模拟退火改进的秃鹰算法
摘要:本文首先利用莱维飞行策略与模拟退火机制对秃鹰搜索算法的局部搜索能力与勘探利用解空间能力进行改进。
1.秃鹰算法
基础秃鹰算法的具体原理参考,我的博客:https://blog.csdn.net/u011835903/article/details/113775430
2.改进秃鹰算法
改进 1: 秃鹰搜索优化在选择搜索空间处理复杂 计算时, 控制位置变化参数
元启发式群智能优化算法中, 求解空间的探索 开发与开采利用是两个重要过程
对于搜索猎物阶段的开采利用不足所做改进如下:
改进 2 : 在极坐标螺旋式搜索最优空间猎物时, 秃 鹰可探索并利用新的搜索空间解. 模拟退火具有强 大的局部搜索能力,广泛应用于工程优化. 文献 [11] 利用模拟退火对斑点瓺狗算法进行混合优化, 改善其 局部寻优能力, 平衡算法的解空间探索与利用过程, 并将混合算法用于特征选择中, 表现良好. 这表明此 算法机制可以提高解空间局部邻域的利用开采过程, 适合最优化问题的求解. 故针对 BES 算法的改进研究而言, 为提高秃鹰在既定空间内搜索猎物能力, 全 面探索并利用解空间, 将秃鹰在该阶段所得种群位置 解作为模拟退火初始解, 累次迭代寻优, 增强原算法 在局部邻域内求解精度, 找到搜索空间最优解. 其中 模拟退火可视为秃鹰搜索内优化算子, 使秃鹰能够更 精准俯冲捕获猎物, 改善全局求解质量.
基于以上关于初始搜索空间选择避免局部最优 以及搜索解空间最值改善算法开采利用寻优能力的 两处改进, 将新算法命名为 IBES(improved bald eagle search).
3.实验结果
4.参考文献
[1]贾鹤鸣,姜子超,李瑶.基于改进秃鹰搜索算法的同步优化特征选择[J/OL].控制与决策:1-9[2021-11-10].https://doi.org/10.13195/j.kzyjc.2020.1025.
5.Matlab代码
6.python代码
文章出处登录后可见!