平衡探索与利用的广义鸽群优化算法程适1,张明明1,史玉回2*,路辉3,雷秀娟1,王锐41.陕西师范大学计算机科学学院,西安710119;2.广东省类脑智能计算重点实验室(南方科技大学),深圳518055;3.北京航空航天大学电子信息工程学院,北京100191;4.国防科技大学系统工程学院,长沙410073*E-mail:shiyh@sustech.edu.cn收稿日期:2021-08-14;接受日期:2021-11-04;网络版发表日期:2022-08-03国家自然科学基金项目(批准号:61806119)、广东省重点实验室项目(编号:2020B121201001)、国家自然科学优秀青年基金项目(批准号:62122093)、季华实验室项目(编号:X210101UZ210)、中央高校基本科研业务费专项资金项目(编号:GK202003078)和陕西师范大学研究生创新团队项目课题(编号:TD2020014Z)资助摘要为了平衡鸽群优化算法的探索与利用能力,本文提出了一种广义鸽群优化算法.传统的鸽群优化算法包含两种优化算子,分别为地图与指南针算子和地标算子.这两种算子依次执行,在一次算法运行中,仅执行一轮迭代.在广义鸽群优化算法中,将算法搜索分为多个阶段,每个阶段分别执行两种算子.在算法的一次运行中,两种算子执行多轮.地图与指南针算子侧重于算法的探索能力,而地标算子侧重于算法的利用能力.改进算法仅改变了两种算子的执行顺序,无需增加额外的函数值计算.此外,广义鸽群优化算法扩展了解集合结构和算子参数设置,这对于提高算法的搜索质量大有裨益.在11个单目标测试函数和8个多模态优化测试函数上进行仿真对比试验,结果表明广义鸽群优化算法提高了鸽群优化算法的搜索效率,改进了算法的搜索结果.关键词群体智能,鸽群优化算法,探索与利用,多模态优化1引言群体智能(swarmintelligence)的核心思想是,若干个简单个体构成一个群体,个体间通过合作、竞争、认知与学习等机制表现出高级和复杂的功能,在缺少局部信息和模型的情况下,仍能够完成对复杂问题的建模、学习和优化求解.广义的群体智能可以分为四个方面:基于群体智能现象的仿真与建模、群体优化算法、群体学习算法、群体智能的应用.狭义的群体智能指群体智能优化算法,是一类利用群体智能来高效求解优化问题的方法.这类算法求解优化问题的模式为随机初始化求解变量,计算各个解对应的目标函数值,利用多个解之间的竞争和协作,不断迭代更新解集合,直到算法找到符合需求的解或者达到最大迭代次数.算法具有不依赖于梯度信息,对待求解问题无连续、可导等要求的特点,使得该类算法既适应连续型数值优化问题,也适应离散型组合优化问题.同时,群体...
