巴斯卡分布在多峰值函数优化中的应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (21): 67-69.

巴斯卡分布在多峰值函数优化中的应用

胡中波^1,2，熊盛武²

1.孝感学院数学系，湖北孝感 432100
2.武汉理工大学计算机学院，武汉 430070

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-21 发布日期:2007-07-21
通讯作者: 胡中波

Application of pascal distribution in multimodal function optimization problems

HU Zhong-bo^1,2，XIONG Sheng-wu²

1.Department of Mathematics， Xiaogan University，Xiaogan，Hubei 432100，China
2.School of Computer Science and Technology，Wuhan University of Technology，Wuhan 430074，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-21 Published:2007-07-21
Contact: HU Zhong-bo

摘要/Abstract

摘要： 针对一些求解复杂多峰函数的优化算法的成功率不高的问题，提出了一种基于巴斯卡分布的算法框架。该类算法本质上是并行的，它把已存在的低效算法当成贝努里试验重复执行，直到原低效算法得到两次同样的结果才终止程序。然后，抽象出该算法框架的数学模型，从理论上证明了该类算法能够较大程度地提高原算法的优化成功率，并计算了该类算法相对原算法的时间复杂度的增量。

关键词: 巴斯卡分布, 贝努里试验, 函数优化, 差分演化算法

Abstract: Some methods，which have been proposed for optimizing complicated multimodal functions，can find out all global optimum of many functions，but probability of success is small.So a new scheme based on Pascal distribution is proposed.In the proposed scheme，a low-efficiency algorithm A which has been proposed is considered as a Bernoulli trial.And the algorithm A is implemented repeatedly until the best result occurs twice.The mathematical model of the new scheme is presented.And it is proved theoretically that the proposed scheme is much more effective than the primary algorithm A for multimodal function optimization problems.The time complexity’s increment of the new scheme is calculated.

Key words: Pascal distribution, Bernoulli trial, function optimization, differential evolution algorithm

胡中波^1,2，熊盛武². 巴斯卡分布在多峰值函数优化中的应用[J]. 计算机工程与应用, 2007, 43(21): 67-69.

HU Zhong-bo^1,2，XIONG Sheng-wu². Application of pascal distribution in multimodal function optimization problems[J]. Computer Engineering and Applications, 2007, 43(21): 67-69.

[1]	王丽丽，申燚，徐玉松，袁明新. 融合云模型和反向学习的克隆选择算法[J]. 计算机工程与应用, 2021, 57(17): 68-74.
[2]	魏锋涛，史云鹏，石坤. 具有组合变异策略的回溯搜索优化算法[J]. 计算机工程与应用, 2020, 56(9): 41-47.
[3]	陈忠云，张达敏，辛梓芸，张绘娟，闫威. 混沌精英质心拉伸机制的樽海鞘群算法[J]. 计算机工程与应用, 2020, 56(10): 44-50.
[4]	谈庆，黄樟灿. 基于近邻套索算子的磷虾群算法[J]. 计算机工程与应用, 2019, 55(9): 124-129.
[5]	白创，陈翔. 新型LeNet-FC卷积神经网络模型算法的研究[J]. 计算机工程与应用, 2019, 55(5): 105-111.
[6]	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.
[7]	顾清华，孟倩倩. 优化复杂函数的粒子群-鸽群混合优化算法[J]. 计算机工程与应用, 2019, 55(22): 46-52.
[8]	邹德龙，王宝华. 一种混合优化算法面向高维函数优化的研究[J]. 计算机工程与应用, 2019, 55(20): 122-127.
[9]	党婷婷，林丹. 含有动态自适应惯性权重的蜘蛛猴优化算法[J]. 计算机工程与应用, 2019, 55(14): 40-47.
[10]	魏锋涛，岳明娟，郑建明. 基于多策略融合的改进人工蜂群算法[J]. 计算机工程与应用, 2018, 54(5): 111-116.
[11]	吴聪聪1，赵建立1，2，刘雪静1，陈嶷瑛1. 改进的差分演化算法求解多维背包问题[J]. 计算机工程与应用, 2018, 54(11): 153-160.
[12]	徐辰华1，李成县1，喻昕2，黄清宝1. 基于Cat混沌与高斯变异的改进灰狼优化算法[J]. 计算机工程与应用, 2017, 53(4): 1-9.
[13]	吴伟民，吴汪洋，林志毅，李泽熊，方典禹. 基于增强个体信息交流的蜻蜓算法[J]. 计算机工程与应用, 2017, 53(4): 10-14.
[14]	王丽1，王晓凯2. 多峰函数优化的改进群居蜘蛛优化算法[J]. 计算机工程与应用, 2017, 53(3): 1-6.
[15]	张维存1，赵晓巧1，于万霞2. 具有角色转换的自适应人工蜂群算法[J]. 计算机工程与应用, 2017, 53(14): 117-122.