适应度步长的全局局部协同优化算法

吉林大学学报(理学版) ›› 2024, Vol. 62 ›› Issue (6): 1419-1425.

适应度步长的全局局部协同优化算法

初雅莉¹, 韩旭明^2,3, 王晏泽², 吕帅²

1. 长春工业大学数学与统计学院, 长春 130012； 2. 暨南大学信息科学技术学院, 广州 510632；3. 可信人工智能教育部工程研究中心, 广州 510632

收稿日期:2023-06-06 出版日期:2024-11-26 发布日期:2024-11-26
通讯作者: 韩旭明 E-mail:hanxuming@jnu.edu.cn

Global-Local Cooperative Optimization Algorithm with Fitness Step Size

CHU Yali¹, HAN Xuming^2,3, WANG Yanze², LV Shuai²

1. School of Mathematics and Statistics, Changchun University of Technology, Changchun 130012, China;
2. College of Information Science and Technology, Jinan University, Guangzhou 510632, China;
3. Engineering Research Center of Trustworthy AI of Ministry of Education, Guangzhou 510632, China

Received:2023-06-06 Online:2024-11-26 Published:2024-11-26

摘要/Abstract

摘要： 针对现有优化算法求解精度低的问题, 提出一种适应度步长的全局局部协同优化算法. 该算法通过均衡化个体适应度, 动态分配每次迭代中个体的全局搜索步长和局部搜索步长, 实现了算法在解空间内全局搜索和局部搜索的有效协同, 进而提升了求解精度. 实验结果表明, 该算法在基准函数测试中展现了较高的精度和良好的稳定性, 并通过仿真实验验证了其在解决复杂工程优化问题中的有效性.

关键词: 优化算法, 均衡化适应度值, 适应度步长, 协同搜索, 工程优化

Abstract: Aiming at the problem of low solution precision in existing optimization algorithms, we proposed a global-local cooperative optimization algorithm with fitness step size. The algorithm achieved effective collaboration between global and local search in the solution space by balancing individual fitness and dynamically allocating global and local search step sizes during each iteration, thereby enhancing the solution precision. Experimental results show that the proposed algorithm has high precision and stability in benchmark function tests, and its effectiveness in solving complex engineering optimization problems is verified through simulation experiments.

Key words: optimization algorithm, normalized fitness value, fitness step size, cooperative search, engineering optimization

中图分类号:

TP301

初雅莉, 韩旭明, 王晏泽, 吕帅. 适应度步长的全局局部协同优化算法[J]. 吉林大学学报(理学版), 2024, 62(6): 1419-1425.

CHU Yali, HAN Xuming, WANG Yanze, LV Shuai. Global-Local Cooperative Optimization Algorithm with Fitness Step Size[J]. Journal of Jilin University Science Edition, 2024, 62(6): 1419-1425.

[1]	高铭晗, 王丽敏, 黄锐露, 张宇飞, 李明洋. 屋型拓扑粒子群优化算法与工程优化问题求解[J]. 吉林大学学报(理学版), 2024, 62(6): 1384-1390.
[2]	兰淼淼, 胡黄水, 王婷婷, 王宏志. 基于改进鲸鱼优化PID的无刷直流电机转速控制算法[J]. 吉林大学学报(理学版), 2024, 62(3): 704-712.
[3]	赵红梅, 肖明, 白宇, 王磊. 面向用户偏好的动态网页数据交互式查询算法[J]. 吉林大学学报(理学版), 2024, 62(2): 417-0422.
[4]	王志强, 陈力园, 代蛟. 基于WTGWO的无线传感器网络三维部署优化方法[J]. 吉林大学学报(理学版), 2024, 62(2): 410-0416.
[5]	王李祺, 侯宇超, 高翔, 谭秀辉, 程蓉, 王鹏, 白艳萍. 基于深度学习与狮群SVM算法的遥感场景分类[J]. 吉林大学学报(理学版), 2023, 61(4): 863-874.
[6]	王彦琦, 张强, 朱刘涛, 袁和平. 基于改进鲸鱼优化算法的GBDT回归预测模型[J]. 吉林大学学报(理学版), 2022, 60(2): 401-408.
[7]	于生宝, 房钰, 高丽辉, 刁庶. 基于改进粒子群优化算法的可控发射电流频率SHEPWM控制方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1207-1214.
[8]	袁开银, 王峰. 基于指标选择和加权融合的无线传感器网络安全风险评估[J]. 吉林大学学报(理学版), 2020, 58(4): 937-943.
[9]	金晓民, 张丽萍, 李慧静. 控制活动轮廓演化的快速图像分割方法[J]. 吉林大学学报(理学版), 2020, 58(3): 639-644.
[10]	史肖冰, 郭德贵, 曹捷. 基于自适应Hata模型的无线电发射源定位方法[J]. 吉林大学学报(理学版), 2020, 58(1): 109-112.
[11]	郭玉洁, 张强, 袁和平. 一种双种群协同多目标粒子群优化算法及应用[J]. 吉林大学学报(理学版), 2019, 57(5): 1155-1162.
[12]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[13]	张淑华, 李平. 基于组合智能算法的无线网络信道分配机制[J]. 吉林大学学报(理学版), 2019, 57(1): 139-144.
[14]	袁赫潞, 温长吉, 吴建双, 朱允刚, 于合龙. 基于遗传珊瑚礁优化算法的负载均衡问题[J]. 吉林大学学报(理学版), 2019, 57(06): 1465-1471.
[15]	王宏志, 姜方达, 周明月. 基于粒子群优化的认知无线电功率分配算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1483-1487.