控制与决策

作者：赵嘉,陈文平,肖人彬,王晖

单位：南昌工程学院 信息工程学院,南昌 330099;南昌工程学院 江西省水信息协同感知与智能 处理重点实验室,南昌 330099,,南昌工程学院 信息工程学院,南昌 330099,,华中科技大学 人工智能与自动化学院,武汉 430074,,南昌工程学院 信息工程学院,南昌 330099;南昌工程学院 江西省水信息协同感知与智能 处理重点实验室,南昌 330099,

关键词：萤火虫算法;多峰优化问题;自主学习;双样本学习;淘汰机制;局部最优

基金：科技创新2030“新一代人工智能”重大项目(2018AAA0101200)；国家自然科学基金项目(52069014, 51669014)；江西省杰出青年基金项目(2018ACB21029).

萤火虫算法在处理多峰优化问题时易陷入局部最优,针对该问题提出一种自主学习萤火虫算法.该算法将粒子按适应度划为自主学习粒子和普通粒子,自主学习粒子从种群中随机选择一个粒子并随机选择一个维度,使用3种学习策略产生3个候选解,在自身以及候选解中选择最好的解;普通粒子同时选择两个优于自身的粒子进行学习.自主学习粒子能够维持算法对多个极值空间的探索并提高算法优化精度;普通粒子以两个粒子的混合信息为指引,使算法跳出局部最优.此外,使用淘汰机制,让算法舍弃对劣质极值空间的维护,进而提高对优质极值空间的开发,实验结果表明,所提出算法在处理多峰优化问题时具有高效的性能.

来源：2022年第8期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第8期