基于自适应t分布变异的缎蓝园丁鸟优化算法

韩斐斐; 刘升

Chinese

您当前的位置：

首页 >

文章列表页 >

基于自适应t分布变异的缎蓝园丁鸟优化算法

更新时间：2026-09-04

- 基于自适应t分布变异的缎蓝园丁鸟优化算法
- Adaptivesatin Bower Birdoptimization Algorithm Based on Tdistribution Mutation
- 微电子学与计算机 2018年35卷第8期页码：117-121
- 作者机构：
  
  上海工程技术大学机构管理学院,上海,201620
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61075115上海工程技术大学研究生科研创新项目 E3-0903-17-01182
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
韩斐斐, 刘升. 基于自适应t分布变异的缎蓝园丁鸟优化算法[J]. 微电子学与计算机, 2018, 35(8): 117-121.

HAN Fei-fei, LIU Sheng. Adaptivesatin Bower Birdoptimization Algorithm Based on Tdistribution Mutation[J]. 2018, 35(8): 117-121.
韩斐斐, 刘升. 基于自适应t分布变异的缎蓝园丁鸟优化算法[J]. 微电子学与计算机, 2018, 35(8): 117-121. DOI：

HAN Fei-fei, LIU Sheng. Adaptivesatin Bower Birdoptimization Algorithm Based on Tdistribution Mutation[J]. 2018, 35(8): 117-121. DOI：

摘要

缎蓝园丁鸟优化算法是一种新型的元启发式优化算法

针对其收敛速度慢、寻优精度低的不足

提出了一种基于自适应t分布变异的缎蓝园丁鸟优化(tSBO)算法.在tSBO算法中引入了自适应分布变异算子

使用算法的迭代次数作为t分布的自由度参数来增强种群的多样性

避免算法陷入局部最优.通过6个标准测试函数对改进算法与FPA

BA和基本SBO算法进行测试比较

仿真结果表明

改进算法是可行有效的

相比于基本SBO算法

其收敛精度和鲁棒性有了很大程度的提高.

Abstract

The satin bower bird optimization algorithm is a new meta-heuristic optimization algorithm. Due to its slow convergence rate and low optimization accuracy

a satin bower bird optimization based on adaptive t-distribution mutation (tSBO)algorithm is proposed. In the tSBO algorithm

an adaptive t distribution mutation operator is introduced

and the number of iterations of the algorithm is used as the parameter of the degree of freedom of the t distribution to enhance the diversity of the population and prevent the algorithm from falling into the local optimum.The improved algorithm is compared with FPA

BA and basic SBO algorithm through six standard test functions

and the simulation results show that the improved algorithm is feasible and effective. Compared with the basic SBO algorithm

the convergence precision and robustness are greatly improved.

关键词

Keywords

references

Yang X S. Flower pollination algorithm for global optimization[C]// International Conference on Unconventional Computation and Natural Computation. Springer-Verlag, 2012: 240-249.

Moosavi S H S, Bardsiri V K. Satin bowerbird optimizer: A new optimization algorithm to optimize ANFIS for software development effort estimation[J]. Engineering Applications of Artificial Intelligence, 2017, 60:1-15. DOI: 1

王梓坤.概率论基础及其应用[M].科学出版社, 1979.

Borgia G. Bower destruction and sexual competition in the satin bowerbird (Ptilonorhynchusviolaceus)[J]. Behavioral Ecology % Sociobiology, 1985, 18(2):91-100. DOI: 91

Zheng Y J.Waterwave optimization:A new nature-inspired meta-heuristic[J].Computers % Operations Research, 2015, 55(1):1-11. DOI: 1

Yang X S. A New Meta-heuristic Bat-Inspired Algorithm[J]. Computer Knowledge % Technology, 2010, 284:65-74. DOI: 65

MirjaliliS.Dragonfly algorithm:a new meta-heuristic optimization technique for solving single-objective, discrete, andmulti-objective problems[J].Neural Computing % Applications, 2016, 27(4):1053-1073. DOI: 1053

Mirjalili S, Mirjalili S M, Lewis A. Grey wolf optimizer[J].Advances in Engineering Software, 2014, 69(3): 46-61. DOI: 46

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

注意力机制与改进密集卷积引导的信息隐藏模型

低功耗设计的双链电源关断策略的实现与验证

基于多尺度融合与小目标增强的航拍车辆检测算法

基于改进RT-DETR的航拍小目标检测算法

超低功耗实时时钟电路的设计