典型文献
一种混合改进的鹰栖息优化算法
文献摘要：
鹰栖息优化(eagle perching optimization,EPO)算法模拟了鹰在大自然中栖息的生物特性,在全局范围内随机采样,利用 目标函数找到采样点中的最优解,之后将搜索范围缩小,在这个最优解附近进行二次采样,迭代这一过程,执行全局搜索到局部搜索的转变.该算法原理简单、易于实现,是一种收敛速度较快的新型群智能算法,但在解决高维问题时算法收敛精度低、易陷入局部最优.基于自适应调优和混合算法的思路,提出了一种混合改进的鹰栖息优化(hybrid improved eagle perching optimization,HIEPO)算法:一方面引入成功率作为反馈参数自适应调整算法的收缩变量,改变了原有定值和线性递减设置,更好地实现全局搜索和局部搜索之间的转变;另一方面,结合粒子群(particle swarm optimization,PSO)算法收敛速度快,全局搜索能力强的优点,将引入成功率的EPO算法与PSO算法串行,提高收敛精度且避免了局部最优.单峰函数(f1～f4)、多峰函数(f5～f8)和定维多峰函数(f9～f12)这12个标准测试函数求解得到的平均值、标准差以及拉伸/压缩弹簧设计和压力容器设计2个工程约束优化问题的求解结果表明,改进后的HIEPO算法在收敛精度和避免局部最优方面均有一定优势.
文献关键词：
EPO算法;PSO算法;混合优化;自适应
中图分类号：
作者姓名：
胡洁;王盛洁;张涛
作者机构：
长江大学信息与数学学院,湖北荆州434023
文献出处：
引用格式：
[1]胡洁;王盛洁;张涛-.一种混合改进的鹰栖息优化算法)[J].长江大学学报（自科版）,2022(04):111-118
A类：
HIEPO,f8,f12
B类：
栖息,eagle,perching,optimization,算法模拟,大自然,生物特性,随机采样,采样点,点中,最优解,搜索范围,二次采样,全局搜索,局部搜索,算法原理,收敛速度,新型群智能算法,高维问题,收敛精度,局部最优,调优,混合算法,hybrid,improved,参数自适应,自适应调整,线性递减,particle,swarm,PSO,搜索能力,串行,单峰函数,f4,多峰,f5,维多,f9,标准测试函数,压缩弹簧设计,压力容器设计,工程约束,约束优化问题,解结,混合优化
AB值：
0.39968
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
