基于Powell搜索的混沌鸡群优化算法

杨菊蜻; 张达敏; 何锐亮; 张慕雪

Chinese

您当前的位置：

首页 >

文章列表页 >

基于Powell搜索的混沌鸡群优化算法

更新时间：2026-09-04

- 基于Powell搜索的混沌鸡群优化算法
- A Chaotic Chicken Optimization Algorithm Based on Powell Search
- 微电子学与计算机 2018年35卷第7期页码：78-82
- 作者机构：
  
  贵州大学大数据与信息工程学院,贵州,贵阳,550025
- 作者简介：
- 基金信息：
  
  贵州省合作计划项目黔科合计省合20141002贵州省自然科学基金项目黔科合基础20171047
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
杨菊蜻, 张达敏, 何锐亮, 张慕雪. 基于Powell搜索的混沌鸡群优化算法[J]. 微电子学与计算机, 2018, 35(7): 78-82.

YANG Ju-qing, ZHANG Da-min, HE Rui-liang, et al. A Chaotic Chicken Optimization Algorithm Based on Powell Search[J]. 2018, 35(7): 78-82.
杨菊蜻, 张达敏, 何锐亮, 张慕雪. 基于Powell搜索的混沌鸡群优化算法[J]. 微电子学与计算机, 2018, 35(7): 78-82. DOI：

YANG Ju-qing, ZHANG Da-min, HE Rui-liang, et al. A Chaotic Chicken Optimization Algorithm Based on Powell Search[J]. 2018, 35(7): 78-82. DOI：

摘要

针对传统鸡群优化算法(CSO)易陷入局部极值且容易早熟收敛的缺陷

提出了一种混合改进的鸡群优化算法(Powell-LCSO).首先

改进算法利用Logistic混沌映射对种群进行初始化

使得种群较好的分布在解空间中; 其次

对鸡群中占据重要地位的母鸡的位置更新方式进行了改进; 最后

通过引入Limit阈值判断算法是否陷入局部极值

并利用Powell搜索对全局最优个体进行局部搜索

避免了算法的过早收敛

提高其跳出局部最优的能力.通过实验表明

改进后的鸡群优化算法具有较好寻优精度和收敛效率.

Abstract

In this paper

a hybrid improved flock optimization algorithm (Powell-LCSO) is proposed to overcome the shortcomings of the traditional flock optimization algorithm (CSO) which is easy to fall into the local extremum and easy to premature convergence. Firstly

the improved algorithm uses Logistic chaotic map to initialize the population

which makes the population better distributed in the solution space. Secondly

the position of the hens in the flocks is improved. Finally

by comparing the Limit threshold to determine whether the algorithm is caught in the local extremum

and using the Powell search to local search for the global optimal individuals

it avoids the premature convergence of the algorithm and improves the accuracy of the algorithm. Its ability to jump out of the local best. Experiments show that the improved flock optimization algorithm has good accuracy and convergence efficiency.

关键词

Keywords

references

Sabat S L, Kumar K S, Udgata S K. Differential evolution and swarm intelligence techniques for analog circuit synthesis[C]//2009 World Congress on Nature % Biologically Inspired Conputing. India, 2009: 468-474.

Powell M J D.An efficient method for finding the minimum of a function of several variables without calculating derivatives[J].Computer Journal, 1964, 7(2):155-162. DOI: 155

周欢, 李煜.具有动态惯性策略的布谷鸟搜索算法[J].智能系统学报, 2015, 40(4):1-9. DOI: 1

李振璧, 王康, 姜媛媛.基于模拟退火改进的鸡群优化算法[J].微电子学与计算机, 2017, 34(2):30-33. DOI: 30

黄霞, 叶春明, 郑军.混合改进搜索策略的鸡群优化算法[J].计算机工程与应用, 2018, 54 (7): 213-220. DOI: 213

孔飞, 吴定会.一种改进的鸡群算法[J].江南大学学报(自然科学版), 2015, 14(6):681-688. DOI: 681

尹进田, 刘云连, 刘丽, 等.一种高效的混合蝙蝠算法[J].计算机工程与应用, 2014, 50(7):62-66. DOI: 62

关鹤童.基于混沌粒子群鸡群融合优化算法的云任务调度应用与实现[D].吉林: 吉林大学, 2016.

吴建辉, 章兢, 陈安红.融合Powell搜索算法的粒子群优化算法[J].控制与决策, 2012, 27(3):343-348. DOI: 343

冯艳红, 刘建芹, 何毅超.基于混沌理论的动态种群萤火虫算法[J].计算机应用, 2013, 33(3):796-799. DOI: 796

张军丽, 周永权.一种用Powell方法局部优化的人工萤火虫算法[J].模式识别与人工智能, 2011, 24(5):680-684. DOI: 680

Meng X B, Liu Y, Gao X Z, et al. A new bio-inspired algorithm: chicken swarm optimization[C]//5th Interational Conference on Swarm Intelligence. Berlin, Hdfei: Springer International Publishing, 2014: 86-94.

李国亮, 魏振华, 徐蕾.基于改进搜索策略的狼群算法[J].计算机应用, 2015, 35(6):1633-1636. DOI: 1633

刘三阳, 张平, 朱明敏.基于局部搜索的人工蜂群算法[J].控制与决策, 2014, 28(1):123-128. DOI: 123

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

低功耗设计的双链电源关断策略的实现与验证

基于改进RT-DETR的航拍小目标检测算法

基于多尺度融合与小目标增强的航拍车辆检测算法

一种用于极低压boost系统的高效率电荷泵

超低功耗实时时钟电路的设计