混沌精英质心拉伸机制的樽海鞘群算法

doi:10.3778/j.issn.1002-8331.1905-0048

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (10): 44-50.DOI: 10.3778/j.issn.1002-8331.1905-0048

混沌精英质心拉伸机制的樽海鞘群算法

陈忠云，张达敏，辛梓芸，张绘娟，闫威

贵州大学大数据与信息工程学院，贵阳 550025

出版日期:2020-05-15 发布日期:2020-05-13

Salp Swarm Algorithm Using Chaotic and Elite Centroid Stretching Mechanism

CHEN Zhongyun, ZHANG Damin, XIN Ziyun, ZHANG Huijuan, YAN Wei

College of Big Data & Information Engineering, Guizhou University, Guiyang 550025, China

Online:2020-05-15 Published:2020-05-13

摘要/Abstract

摘要：

针对樽海鞘群算法求解精度不高的缺点，提出一种混沌精英质心拉伸机制的樽海鞘群算法。引入改进的Tent混沌序列生成初始种群，以增加初始个体的多样性；选择最优个体采用精英质心拉伸机制，可增强全局搜索能力。将改进算法在12个典型复杂函数和CEC2014函数优化问题上进行仿真实验，并同经典的遗传算法和粒子群算法进行对比。结果表明，混沌精英质心拉伸机制的樽海鞘群算法具有更好的全局搜索能力，寻优精度比标准算法有所增强。在求解高维和多峰测试函数上，改进算法拥有更好的性能。

关键词: 混沌映射, 精英质心拉伸机制, 樽海鞘群算法, 函数优化

Abstract:

In order to solve the problem that the standard Salp Swarm Algorithm（SSA） has low result precision in the evolutionary process, an improved algorithm called Chaotic and Elite centroid stretching mechanism Salp Swarm Algorithm（CESSA） is proposed. The improved Tent chaotic sequence is used to initiate the individuals’ position, which can strengthen the diversity of initiate individuals. Then the elite centroid stretching mechanism is applied to the current elite individuals, which can enhance global searching ability of the proposed CESSA algorithm. The improved algorithm is simulated on 12 typical complex functions and CEC2014 function optimization problems, and compared with two classical intelligent algorithms, genetic algorithm and particle swarm optimization algorithm. The results show that the CESSA has better global searching ability, and meanwhile, the optimization accuracy is also enhanced than the standard algorithm. Especially, in solving the high-dimension and multimodal function optimization problem, the improved algorithm has better performance.

Key words: chaotic map, elite centroid stretching mechanism, salp swarm algorithm, function optimization

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.

CHEN Zhongyun, ZHANG Damin, XIN Ziyun, ZHANG Huijuan, YAN Wei. Salp Swarm Algorithm Using Chaotic and Elite Centroid Stretching Mechanism[J]. Computer Engineering and Applications, 2020, 56(10): 44-50.

[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]	周新，邹海. 融合黄金正弦混合变异的自适应樽海鞘群算法[J]. 计算机工程与应用, 2021, 57(12): 75-85.
[3]	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.
[4]	李宏伟，陈亮，白景波. 基于CMFO算法的投影寻踪威胁目标评估模型[J]. 计算机工程与应用, 2020, 56(2): 152-157.
[5]	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.
[6]	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.
[7]	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.
[8]	黄宇达1，王迤冉2，牛四杰3. 基于混沌和自适应搜索策略的GSO算法分析与优化[J]. 计算机工程与应用, 2019, 55(3): 147-153.
[9]	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.
[10]	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.
[11]	贺智明，李文静. 基于动态全局搜索和柯西变异的花授粉算法[J]. 计算机工程与应用, 2019, 55(19): 74-80.
[12]	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.
[13]	杨超杰，裴以建，刘朋. 改进粒子群算法的三维空间路径规划研究[J]. 计算机工程与应用, 2019, 55(11): 117-122.
[14]	朱淑芹，王文宏，李俊青. 一类二次多项式混沌及其随机数生成器设计[J]. 计算机工程与应用, 2018, 54(9): 84-88.
[15]	施飞，张红梅，张向利. 基于混沌映射和DNA编码的图像加密算法[J]. 计算机工程与应用, 2018, 54(5): 91-95.

混沌精英质心拉伸机制的樽海鞘群算法

Salp Swarm Algorithm Using Chaotic and Elite Centroid Stretching Mechanism

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