基于结晶过程的分子动理论优化算法

计算机工程与科学

• 论文 • 上一篇

基于结晶过程的分子动理论优化算法

易灵芝1,2,朱彪明1,2,范朝冬1,2,任柯1,2,李杰1,2，肖乐意3

(1.智能计算与信息处理教育部重点实验室（湘潭大学）,湖南湘潭 411105；

2.湖南省“风电装备与电能变化”2011协同创新中心,湖南湘潭 411105；3.湘潭大学艺术学院,湖南湘潭 411105)

收稿日期:2016-01-28 修回日期:2016-04-12 出版日期:2017-09-25 发布日期:2017-09-25
基金资助:
国家自然科学基金(61572416,61573299)；湖南省自然科学基金（2016JJ3125）;湖南省研究生科研创新项目（CX2017B339）;湖南省教育厅科学研究项目(15C1327)；湘潭大学科研项目(11KZ|KZ03045)；湘潭大学博士科研项目(11KZ|KZ08062)

A kinetic-molecular theory optimization algorithm

based on crystallization process

YI Ling-zhi1,2,ZHU Biao-ming1,2,FAN Chao-dong1,2,REN Ke1,2,LI Jie1,2，XIAO Le-yi3

(1.Key Laboratory of Intelligent Computing & Information Processing (Xiangtan University),
Ministry of Education,Xiangtan 411105；

2.Wind Power Equipment and Power Conversion 2011 Collaborative Innovation Center,Xiangtan 411105;

3.School of Art,Xiangtan University,Xiangtan 411105,China）

Received:2016-01-28 Revised:2016-04-12 Online:2017-09-25 Published:2017-09-25

摘要/Abstract

摘要：

针对分子动理论优化算法(KMTOA)存在易陷入局部最优、寻优精度低等问题,提出一种基于结晶过程的分子动理论优化算法(C-KMTOA)。该算法通过模拟结晶过程设计了一种分离算子，该算子将种群分为最优个体、优秀个体、较差个体三个子群，并通过引导操作使较差个体向优秀个体附近移动、优秀个体向最优个体附近移动，从而使搜索范围快速缩小到最优解附近。实验结果表明，该算法在优化精度、动态性能等方面均优于GA、DE、QPSO和KMTOA。

关键词: 函数优化, 分子动理论优化算法, 最优解, 分离算子

Abstract:

We propose a kinetic-molecular theory optimization algorithm based on crystallization process (C-KMTOA) to solve the problem that the KMTOA is easily stuck into local optimal and low accuracy. We also design a separation operator by simulating the crystallization process, which divides the population into three subgroups: the best individuals, the excellent individuals and the worst individuals. In addition, with the help of guiding operation, the worst individuals can move toward the excellent individuals and the excellent individuals move toward the best individuals, so that the search range is narrowed down to the optimal solution quickly. Experimental results show that the proposed algorithm is superior to the GA, DE, QPSO, and KMTOA algorithms in terms of optimization precision and dynamic performance.

Key words:

function optimization, kinetic-molecular theory optimization algorithm, optimal solution, separation operator

易灵芝1,2,朱彪明1,2,范朝冬1,2,任柯1,2,李杰1,2，肖乐意3. 基于结晶过程的分子动理论优化算法[J]. 计算机工程与科学.

YI Ling-zhi1,2,ZHU Biao-ming1,2,FAN Chao-dong1,2,REN Ke1,2,LI Jie1,2，XIAO Le-yi3.

A kinetic-molecular theory optimization algorithm

based on crystallization process

[J]. Computer Engineering & Science.

[1]	张永智, 何可人, 戈珏. 改进YOLOv7网络在低空遥感图像目标检测中的应用[J]. 计算机工程与科学, 2024, 46(07): 1269-1277.
[2]	黄学雨, 罗华. 融合正余弦策略的算术优化算法[J]. 计算机工程与科学, 2023, 45(07): 1320-1330.
[3]	尹德鑫, 张达敏, 蔡朋宸, 秦维娜. 改进的麻雀搜索优化算法及其应用[J]. 计算机工程与科学, 2022, 44(10): 1844-1851.
[4]	谢聪, 郑洪清. 一种新型的樽海鞘群算法及其应用[J]. 计算机工程与科学, 2022, 44(01): 184-190.
[5]	刘炼, 付绍昌, 黄辉先. 基于醉汉漫步和反向学习的灰狼优化算法[J]. 计算机工程与科学, 2021, 43(09): 1558-1566.
[6]	王依柔, 张达敏, 樊英. 非均匀变异的互利自适应缎蓝园丁鸟优化算法[J]. 计算机工程与科学, 2020, 42(12): 2233-2241.
[7]	赵志刚，莫海淼，温泰，李智梅，郭杨. 一种自适应调整种群子代数量与步长的优化算法——爆米花算法[J]. 计算机工程与科学, 2019, 41(05): 900-909.
[8]	常小刚1，赵红星2. 动态调节因子的邻域搜索人工蜂群算法[J]. 计算机工程与科学, 2019, 41(04): 673-681.
[9]	马永杰，朱琳，田福泽. 基于精英种群策略的协同差分进化算法[J]. 计算机工程与科学, 2019, 41(02): 335-.
[10]	范朝冬1,任柯1,易灵芝1,肖乐意2，朱彪明1,李杰1. 双种群分子动理论优化算法[J]. 计算机工程与科学, 2018, 40(04): 723-730.
[11]	张磊1,刘成忠2. 一种面向多模函数改进的果蝇优化算法[J]. 计算机工程与科学, 2017, 39(01): 206-214.
[12]	高雷阜，赵世杰，于冬梅，徒君. 果蝇耦合均匀设计算法及其优化SVM参数[J]. J4, 2016, 38(05): 954-959.
[13]	高雷阜，赵世杰，于冬梅，徒君. SVM参数优化的AFMC算法[J]. J4, 2015, 37(07): 1304-1310.
[14]	张雯雰，高守平. 改进共享策略的简单群搜索优化算法[J]. J4, 2011, 33(7): 193-196.
[15]	曹〓炬,殷〓哲. 云搜索优化算法[J]. J4, 2011, 33(10): 120-125.

基于结晶过程的分子动理论优化算法

A kinetic-molecular theory optimization algorithm

based on crystallization process

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价