采用随机探测的改进FSOA

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (36): 44-46.

采用随机探测的改进FSOA

何德牛，王勇，管忆军

广西民族大学数学与计算机科学学院，南宁 530006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-21 发布日期:2011-12-21

Improved FSOA by using random detecting

HE Deniu，WANG Yong，GUAN Yijun

College of Mathematics and Computer Science，Guangxi University for Nationalities，Nanning 530006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-21 Published:2011-12-21

摘要/Abstract

摘要： 针对FSOA中渔夫搜索效率低且易陷入局部极值等不足，提出了一种采用随机探测的改进FSOA算法。该算法采用随机选点与旋转定点相结合的选择探测点方法，并对渔夫的收缩搜索操作做了一定的限制，以进一步提高渔夫的搜索效率。从数值实验仿真结果上看，该改进方法是有效的和可行的。

关键词: 改进的捕鱼策略优化方法（FSOA）, 随机探测, 优化

Abstract: Aiming at the shortcoming of FSOA，it is easily plunging into the local optimum and has low searching efficiency，an improved FSOA which uses random detecting approach is presented in this paper.In this algorithm，every fisherman determines his fishnet positions by using the approach of combining random selection with rotating selection，and it is restricted for every fisherman taking the strategy of constricting search operation in some way in order to improve the fisherman’s searching efficiency.It shows from the numerical experiment results that the improved algorithm is feasible and effective.

Key words: improved Optimization Algorithm on using Fishing Strategy（FSOA）, random detecting, optimization

何德牛，王勇，管忆军. 采用随机探测的改进FSOA[J]. 计算机工程与应用, 2011, 47(36): 44-46.

HE Deniu，WANG Yong，GUAN Yijun. Improved FSOA by using random detecting[J]. Computer Engineering and Applications, 2011, 47(36): 44-46.

[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]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[14]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.
[15]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.