一种采用随机探测策略的改进FSOA

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 49-52.

一种采用随机探测策略的改进FSOA

陈士亮1，王勇1，陈建荣2

1.广西民族大学数学与计算机科学学院，南宁 530006
2.右江民族医学院，广西百色 533000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

Improved FSOA by using random detection strategy

CHEN Shiliang1，WANG Yong1，CHEN Jianrong2

1.College of Mathematics and Computer Science，Guangxi University for Nationalities，Nanning 530006，China
2.You Jiang Medical University for Nationalities，Baise，Guangxi 533000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 在分析FSOA方法存在不足的基础上，提出了改进的FSOA。该优化方法要求渔夫采用随机探测策略，渔夫的搜索方向受其当前前进方向的限制;位于当前最优位置的渔夫采用收缩搜索策略，其余的渔夫采用移动搜索策略。四个典型函数的优化实验结果表明，该方法对于解决复杂函数的优化问题是有效的和可行的。

关键词: 随机探测, 采用捕鱼策略的优化方法（FSOA）, 优化

Abstract: Based on the shortcoming of FSOA being analyzed，an improved FSOA is presented.The optimization approach is that every fisher makes use of random detection strategy，and every fisher’ searching direction is restricted by his current moving vector.It is only the fisher in the present optimal point that takes the strategy of constricted search，and the others make use of the strategy of moving search.The optimization experimental results of four typical functions show that the optimization approach is effective and feasible for solving the optimal solution of the complex functions.

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

陈士亮1，王勇1，陈建荣2. 一种采用随机探测策略的改进FSOA[J]. 计算机工程与应用, 2011, 47(26): 49-52.

CHEN Shiliang1，WANG Yong1，CHEN Jianrong2. Improved FSOA by using random detection strategy[J]. Computer Engineering and Applications, 2011, 47(26): 49-52.

[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.