控制与决策

作者：余冬华,郭茂祖,刘晓燕,刘国军

单位：哈尔滨工业大学计算机科学与技术学院，哈尔滨150001,,哈尔滨工业大学计算机科学与技术学院，哈尔滨150001;北京建筑大学电气与信息工程学院，北京100044;建筑大数据智能处理方法研究北京市重点实验室，北京100044,,哈尔滨工业大学计算机科学与技术学院，哈尔滨150001,,哈尔滨工业大学计算机科学与技术学院，哈尔滨150001,

关键词：群体智能;最优化;烟花算法;选择策略;峰值火花

基金：国家自然科学基金项目(61571163,61532014,61671189,91735306)；国家重点研发计划课题(2016YFC 0901902).

烟花算法(FWA)中的选择策略直接影响其收敛效率、收敛精度、对初值敏感性以及能否跳出局部最优,对此,提出一种改进选择策略的烟花算法(ISSFWA).ISSFWA建立峰值火花和探索火花的概念,并提出基于$N-1$朵峰值火花和一朵探索火花充当下一代N朵烟花的选择策略.峰值火花兼顾了火花的适应度值及相对位置,保证选择全局最优火花及峰值火花邻域内的局部最优火花,同时避免重复选择搜索能力相似的火花,而基于最远距离的探索火花可以增强全局探索能力.在10次标准及增加位置偏移的测试函数实验中,ISSFWA在最优适应度值方面优于PSO、GA、FWA;在平均适应度值方面优于PSO和FWA,略劣于GA.这一结果表明,ISSFWA能够增强寻找最优解的能力,降低对初值的敏感性,并提升搜索效率.

来源：2020年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2020年第2期