科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对量子蝙蝠算法求解精度低、易陷入局部最优等缺点,提出一种改进型量子蝙蝠算法。引入自然选择,在每次迭代过程中对整个种群适应度值进行排序,用部分较好个体的位置替换部分较差个体的位置,保存个体历史最优适应度函数值。针对蝙蝠算法的频率引入优化因子,使蝙蝠在迭代初期发出较高频率进行全局搜索猎物,在迭代后期降低频率,提高局部搜索能力。对4个标准测试函数进行测试,测试结果表明,改进型量子蝙蝠算法有更好的收敛速度和求解精度。将改进的算法应用于典型化工过程的动态优化问题中,优化结果接近于最优值,性能良好,结果验证了该算法的有效性。
- 出版日期2019
- 单位华东理工大学
