引力搜索算法的改进

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (35): 188-192.

• 图形、图像、模式识别 • 上一篇下一篇

引力搜索算法的改进

徐遥，王士同

江南大学数字媒体学院，江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-11 发布日期:2011-12-11

Enhanced version of gravitational search algorithm：weighted GSA

XU Yao，WANG Shitong

School of Digital Media，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-11 Published:2011-12-11

摘要/Abstract

摘要： 引力搜索算法 GSA（Gravitational Search Algorithm）是最近由Esmat Rashedi基于引力定律提出的一个新算法。在引力搜索算法的基础上对其进行改进，得到了基于权值的引力搜索算法。与引力搜索算法相比，该算法在每一次迭代的过程中，都对粒子的惯性质量加一个权值。用算法对许多基准函数测试的实验效果表明，该方法可以使得引力搜索算法得到更好的结果。

关键词: 引力搜索算法（GSA）, 引力定律, 惯性质量, 权值, 基准函数

Abstract: Gravitational Search Algorithm（GSA） based on the law of gravity is proposed recently by Esmat Rashedi.In the paper，weighted GSA is proposed as the enhanced version of GSA.Compared with GSA，the proposed algorithm assigns a weighted value to inertia mass of every agent in each iteration process.The experimental results show the proposed algorithm can obtain better solutions for a lot of the benchmarking functions than GSA.

Key words: Gravitational Search Algorithm（GSA）, law of gravity, inertia mass, weighted value, benchmarking functions

徐遥，王士同. 引力搜索算法的改进[J]. 计算机工程与应用, 2011, 47(35): 188-192.

XU Yao，WANG Shitong. Enhanced version of gravitational search algorithm：weighted GSA[J]. Computer Engineering and Applications, 2011, 47(35): 188-192.

[1]	卫丹妮，杨有龙，仇海全. 结合密度峰值和切边权值的自训练算法[J]. 计算机工程与应用, 2021, 57(2): 70-76.
[2]	范纯龙，何宇峰，王翼新. 大权值抑制策略用于训练卷积神经网络[J]. 计算机工程与应用, 2020, 56(2): 115-119.
[3]	贾露，张德生，吕端端. 物理学优化的密度峰值聚类算法[J]. 计算机工程与应用, 2020, 56(13): 47-53.
[4]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[5]	田鸿，陈国彬，刘超. 新型飞蛾火焰优化算法的研究[J]. 计算机工程与应用, 2019, 55(16): 138-143.
[6]	高永兵1，张贵娟1，胡文江1，马占飞2. 基于后缀树算法的地区微博摘要技术研究[J]. 计算机工程与应用, 2018, 54(9): 126-132.
[7]	赵蕊娟，杨连贺. 基于亲和度的引力移动算法[J]. 计算机工程与应用, 2018, 54(6): 44-48.
[8]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[9]	王正腾，谢维波. 改进的NLMS算法在回声消除系统中的应用[J]. 计算机工程与应用, 2017, 53(10): 107-111.
[10]	王进宗，文中华，唐杰，龙凤. 不确定规划领域中带权值的观察信息约简[J]. 计算机工程与应用, 2016, 52(3): 55-58.
[11]	刘焕玉，喻小光. 多启发式规则融合粒子群算法的受限项目调度[J]. 计算机工程与应用, 2016, 52(22): 226-231.
[12]	洪嘉翔. 通信受限条件下的异步航迹融合实用技术[J]. 计算机工程与应用, 2016, 52(2): 250-255.
[13]	曹义亲1，周小辞1，黄晓生2. 基于压缩感知的互补特征加权目标跟踪算法[J]. 计算机工程与应用, 2016, 52(19): 213-217.
[14]	白晓波1，陈金广2，邵景峰1，雷霞1，刘聪颖1. 多属性决策中赋权方法的自适应选择研究[J]. 计算机工程与应用, 2016, 52(11): 215-220.
[15]	王敬华，金鹏. 基于粗约简和网格的离群点检测[J]. 计算机工程与应用, 2015, 51(3): 133-137.

引力搜索算法的改进

Enhanced version of gravitational search algorithm：weighted GSA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics