基于遗传粒子群算法的高维复杂函数优化方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 31-33.

基于遗传粒子群算法的高维复杂函数优化方法

于万霞¹,张维存²,郑宏兴¹

1．天津工程师范学院电子工程系，天津300222
2．河北工业大学管理学院，天津 300130

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 于万霞

Genetic and particle swarm algorithm-based optimization solution for high-dimension complex functions

YU Wan-xia¹,ZHANG Wei-cun²,ZHENG Hong-xing¹

1.Department of Electronic Engineering，Tianjin University of Technology and Education，Tianjin 300222，China
2.School of Management，Hebei University of Technology，Tianjin 300130，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: YU Wan-xia

摘要/Abstract

摘要： 针对高维复杂函数优化的特点，提出了一种遗传算法与粒子群算法相结合的主-从结构算法。算法中，主级为全局搜索的遗传算法；从级为局部邻域搜索的粒子群算法。通过主-从协调机制和从级转换函数设计，使算法不依赖复杂的编码方式和进化算子进行全局精确搜索。通过仿真和比较实验，验证了算法对高维复杂函数优化的有效性。

关键词: 遗传算法, 粒子群算法, 算法结构, 转换函数, 优化

Abstract: A hybrid of genetic and particle swarm algorithm is proposed to solve the higen-dimension complex functions optimization.The algorithm is formulated in a form of hierarchical structure.The global search is performed at the master level by genetic algorithm，while the local search is carried out at the slave level by particle swarm optimization.Through the harmonizing mechanism between master and slave level，and special translation function designed for the slave level，the algorithm can execute global exact search without relying on complex coding and complex evolving operators.The simulation and results from comparison with other algorithms demonstrate the effectiveness of the proposed algorithm for high-dimension complex functions optimization.

Key words: genetic algorithm, particle swarm optimization, algorithm structure, translation function, optimization

于万霞¹,张维存²,郑宏兴¹. 基于遗传粒子群算法的高维复杂函数优化方法[J]. 计算机工程与应用, 2007, 43(36): 31-33.

YU Wan-xia¹,ZHANG Wei-cun²,ZHENG Hong-xing¹. Genetic and particle swarm algorithm-based optimization solution for high-dimension complex functions[J]. Computer Engineering and Applications, 2007, 43(36): 31-33.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[6]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[7]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[8]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[9]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[10]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[11]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.
[12]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[13]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[14]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[15]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.