基于二次飞行和随机扰动的改进蝙蝠算法

赵乃刚; 李勇

Chinese

您当前的位置：

首页 >

文章列表页 >

基于二次飞行和随机扰动的改进蝙蝠算法

更新时间：2026-09-04

- 基于二次飞行和随机扰动的改进蝙蝠算法
- An Improved Bat Algorithm Based on Second Flight and Random Disturbance
- 微电子学与计算机 2017年34卷第5期页码：21-25
- 作者机构：
  
  山西大同大学机构数学与计算机科学学院,山西,大同,037009
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61272095国家自然科学基金青年基金 41401521山西大同大学科学研究项目 2016K1
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
赵乃刚, 李勇. 基于二次飞行和随机扰动的改进蝙蝠算法[J]. 微电子学与计算机, 2017, 34(5): 21-25.

ZHAO Nai-gang, LI Yong. An Improved Bat Algorithm Based on Second Flight and Random Disturbance[J]. 2017, 34(5): 21-25.
赵乃刚, 李勇. 基于二次飞行和随机扰动的改进蝙蝠算法[J]. 微电子学与计算机, 2017, 34(5): 21-25. DOI：

ZHAO Nai-gang, LI Yong. An Improved Bat Algorithm Based on Second Flight and Random Disturbance[J]. 2017, 34(5): 21-25. DOI：

摘要

针对基本蝙蝠算法存在着不易跳出局部寻优、搜索精度低等问题

提出了二次飞行和随机扰动的改进策略.每只蝙蝠对自身位置进行随机扰动后

对上代速度采用自适应学习权重

使蝙蝠能够趋好避坏地进行飞行搜索; 为了保证种群多样性

对种群中最差的一部分蝙蝠进行惩罚

舍弃对上代速度的学习

进行二次飞行搜索

提高算法的全局搜索能力.通过对七个典型不同类型的基准函数进行实验测试

结果表明了改进策略对算法的优化精度和全局搜索能力有很大的提高

使改进的算法拥有更好的的收敛速度和寻优精度.

Abstract

In order to overcome the shortcomings of conventional the basic bat algorithm (BA)

such as easily trapping in local optima and lower search accuracy

this paper proposed the improvement strategy based on the second flight and the random disturbance. After each bat makes a random disturbance to its position.Using the adaptive weight learning the previous flight speed

so that bats can search in a good direction to avoid a bad direction. In order to ensure the diversity of the population

there is a punishment of the improved algorithm for the worst part to carry out a second flight search without learning last speed. This improves the global search ability of the improved algorithm.The algorithm tested on seven distinct types of benchmark functions. The results show that the improved strategy has a great improvement on the optimization accuracy and global search ability. The proposed algorithm has a better convergence rate and optimization accuracy.

关键词

Keywords

references

赖锦辉. 基于部落结构的多种学习机制蝙蝠优化算法[J]. 计算机应用研究, 2015, 32(2): 364-367. DOI: 364

Yang Xinshe. A new metaheuristic bat-inspired algorithm[C]//Nature Inspired Cooperative Strategies for Optimization. Spain, Granada, 2010: 65-74.

Yang Xinshe, Gandomi Amir Hossein. Bat algorithm: a novel approach for global engineering optimization[J]. Engineering Computation, 2012, 29(5): 464-483. DOI: 464

Fister I, Rauter S, Yang Xinshe, et al. Planning the sports training sessions with the bat algorithm[J]. Neurocomputing, 2015, 149(2): 993-1002. DOI: 993

王文, 王勇, 王晓伟. 采用机动飞行的蝙蝠算法[J]. 计算机应用研究, 2014, 31(10): 2962-2989. DOI: 2962

Baziar A, Kavoosi fard A, Zare J. A novel self adaptive modification approach based on bat algorithm for optimal management of renewable MG[J]. Journal of Intelligent Learning Systems and Applications, 2013, 5(1): 11-18. DOI: 11

Gandomi A H, Yang Xin she, Alavi A H, et al. Bat algorithm for constrained optimization tasks[J]. Neural Computing and Applications, 2013, 22(6): 1239-1255. DOI: 1239

Komarasamy G, Wahi A. An optimized K-means clustering technique using bat algorithm[J]. European Journal of Scientific Research, 2012, 84(2): 263-273. DOI: 263

李雅梅, 曹益华. 基于Powell机制的改进蝙蝠算法[J]. 微电子学与计算机, 2015, 32(3): 73-76. DOI: 73

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进RT-DETR的航拍小目标检测算法

基于区块链的AI生成内容溯源框架设计研究

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

注意力机制与改进密集卷积引导的信息隐藏模型

基于反向体偏置的高增益稳定性高温运放设计