一种利用膜计算求解高维函数的全局优化算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 27-30.

一种利用膜计算求解高维函数的全局优化算法

拓守恒1，邓方安2，周涛2，3

1.陕西理工学院计算机系，陕西汉中 723000
2.陕西理工学院数学系，陕西汉中 723000
3.宁夏医科大学理学院，银川 750004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

Algorithm for solving global optimization problems of multi-dimensional function based on membrane computing

TUO Shouheng1，DENG Fang’an2，ZHOU Tao2，3

1.Department of Computer Science & Technology，Shaanxi University of Technology，Hanzhong，Shaanxi 723000，China
2.Department of Mathematics，Shaanxi University of Technology，Hanzhong，Shaanxi 723000，China
3.School of Science，Ningxia Medical University，Yinchuan 750004，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要：

鉴于传统优化算法在求解高维多模态优化问题时存在收敛速度慢，求解精度低的缺点，针对上述问题提出了一种基于膜计算的优化算法。算法首先对高维空间进行分割，分割后每个子空间作为一个基本膜，基本膜区域中采用差分局部搜索策略提高算法的局部搜索能力和收敛速度。基本膜区域将局部最优解定时传送给表层膜。表层膜区域中采用全局搜索策略寻找全局最优解。通过对5个benchmark函数仿真验证，实验结果表明，该算法在收敛速度，求解精度和稳定性方面都有较大优势。

关键词: 膜计算, 高维多模, 全局优化, 差分进化

Abstract: Traditional differential evolution algorithm exists shortcoming，such as trapping into local optimum easily，low convergence speed and solution precision.This paper presents an optimization algorithm for solving global optimization problems of multi-dimensional function based on membrane computing.With this algorithm，high dimension space is segmented some subspaces and each subspace is an elementary membrane.In elementary membrane，differential evolution algorithm is used to do local search strategy which enhances the searching ability and accelerates the convergent speed.At the same time，local optimal solutions in the elementary membrane are sent to outermost membrane and the outermost membrane searchs the global optimal solutions with global search strategy.The experimental test indicates the algorithm has the advantages of fine stability，fast convergence speed and high precision and can get the global optimal solutions.

Key words: membrane computing, multi-dimensional function, global optimization, differential evolution

拓守恒1，邓方安2，周涛2，3. 一种利用膜计算求解高维函数的全局优化算法[J]. 计算机工程与应用, 2011, 47(19): 27-30.

TUO Shouheng1，DENG Fang’an2，ZHOU Tao2，3. Algorithm for solving global optimization problems of multi-dimensional function based on membrane computing[J]. Computer Engineering and Applications, 2011, 47(19): 27-30.

[1]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[2]	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.
[3]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[4]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[5]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[6]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[7]	张梦琳，江沸菠，董莉，高颖. 智能无人机轨迹与任务卸载联合优化[J]. 计算机工程与应用, 2020, 56(21): 38-46.
[8]	王浩，李俊，周蓉. 自适应合并与分裂的多种群差分进化算法[J]. 计算机工程与应用, 2020, 56(15): 162-171.
[9]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[10]	方建文，黄钢，曹文明. 笔触风格化技术研究综述[J]. 计算机工程与应用, 2019, 55(9): 33-37.
[11]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[12]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[13]	刘茜1，毛力1，杨弘2. 差分进化引导趋化算子的烟花优化算法[J]. 计算机工程与应用, 2019, 55(3): 140-146.
[14]	连玮. 采用树表示的全局最优形状匹配算法[J]. 计算机工程与应用, 2019, 55(1): 217-225.
[15]	姜圣涛，穆学文. 广义模糊熵图像阈值分割参数选取的ADE方法[J]. 计算机工程与应用, 2018, 54(9): 183-188.