非线性权重和柯西变异的蝗虫算法

王涛

Chinese

您当前的位置：

首页 >

文章列表页 >

非线性权重和柯西变异的蝗虫算法

更新时间：2026-09-04

- 非线性权重和柯西变异的蝗虫算法
- Grasshopper optimization algorithm with nonlinear weight and cauchy mutation
- 微电子学与计算机 2020年37卷第5期页码：82-86
- 作者机构：
  
  1. 中国科学院机构国家天文台南京天文光学技术研究所,江苏,南京,210042
  2. 中国科学院天文光学技术重点实验室(南京天文光学技术研究所),江苏,南京,210042
- 作者简介：
- 基金信息：
  
  国家自然科学基金委员会 U1931207中国科学院天文联合基金资助 U1931207
- DOI：
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
王涛. 非线性权重和柯西变异的蝗虫算法[J]. 微电子学与计算机, 2020, 37(5): 82-86.

WANG Tao. Grasshopper optimization algorithm with nonlinear weight and cauchy mutation[J]. 2020, 37(5): 82-86.
王涛. 非线性权重和柯西变异的蝗虫算法[J]. 微电子学与计算机, 2020, 37(5): 82-86. DOI：

WANG Tao. Grasshopper optimization algorithm with nonlinear weight and cauchy mutation[J]. 2020, 37(5): 82-86. DOI：

摘要

针对蝗虫优化算法收敛速度慢，易陷入局部最优等问题，提出一种基于非线性权重和柯西变异的蝗虫优化算法.首先使用佳点集初始化种群，均匀种群分布.然后将线性权重改进为非线性权重，提高勘探和开发能力.同时对最优个体采用柯西变异，增加跳出局部最优能力.最后通过6个基准函数进行测试，实验表明改进后蝗虫算法收敛速度快、精度高.

Abstract

To overcome the problems of slow convergence

falling into local optima of the standard grasshopper optimization algorithm

a nonlinear weight and cauchy mutation in grasshopperoptimization algorithm is proposed. Firstly

the good point set is applied to initial population and uniform population distribution.Then the linearlyweightis improved to a nonlinear weight toenhance the exploration and exploitation capabilities of thegrasshopper optimization algorithm.At the same time

the cauchy mutation is added to the best grasshopper to increase the ability to jump out of local optima.Finally

six benchmark functions are selected for testing. Experiments show that the improved algorithm has fast convergence and high precision.

关键词

Keywords

references

HEIDARI A A, FARIS H, ALJARAH I, et al. An efficient hybrid multilayer perceptron neural network with grasshopper optimization[J]. Soft Computing, 2019, 23(17): 7941-7958. DOI: 7941

ARORA S, ANAND P. Chaotic grasshopper optimization algorithm for global optimization[J]. Neural Computing and Applications, 20 18: 1-2 1. DOI: 10. 1007/s0052 1-0 18-3343-2.

ALJARAH I, ALA′M A Z, FARIS H, et al. Simultaneous feature selection and support vector machine optimization using the grasshopper optimization algorithm[J]. Cognitive Computation, 2018, 10(3): 478-495. DOI: 478

MIRJALILI S Z, MIRJALILI S, SAREMI S, et al. Grasshopper optimization algorithm for multi-objective optimization problems[J]. Applied Intelligence, 2018, 48(4): 805-820. DOI: 805

EWEES A A, ELAZIZ M A, Houssein E H. Improved grasshopper optimization algorithm using opposition-based learning[J]. Expert Systems with Applications, 2018(112): 156-172. DOI: 156

王涛.Ryad Chellali.非线性权重和收敛因子的鲸鱼算法[J].微电子学与计算机, 2019, 36(1):11-15. DOI: 11

孙博文, 韦素媛.基于自适应调整策略灰狼算法的DV-Hop定位算法[J].计算机科学, 2019, 46(5):7-82. DOI: 7

LUO J, CHEN H, XU Y, et al. An improved grasshopper optimization algorithm with application to financial stress prediction[J]. Applied Mathematical Modelling, 2018(64): 654-668. DOI: 654

SAREMI S, MIRJALILI S, LEWIS A. Grasshopper Optimisation Algorithm: Theory and application[J]. Advances in Engineering Software, 2017(105):30-47. DOI: 30

郭振洲, 王平, 马云峰, 等.基于自适应权重和柯西变异的鲸鱼优化算法[J].微电子学与计算机, 2017, 34(9):20-25. DOI: 20

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

基于多尺度融合与小目标增强的航拍车辆检测算法

面向处理器分支预测单元的Spectre攻击轻量化防御方法

基于反向体偏置的高增益稳定性高温运放设计

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

超低功耗实时时钟电路的设计