典型文献
基于高斯变异的蚁狮算法及其在组合优化中的应用
文献摘要：
针对蚁狮(ant lion optimizer,ALO)算法在寻优后期种群数量减少、精英蚁狮影响权重减小导致算法收敛速度较慢且易陷入局优的问题,提出基于高斯变异的蚁狮(Gaussian mutation based ALO,GALO)算法.首先引用Kent混沌对初始蚂蚁种群进行扰动,提高蚂蚁种群多样性作为蚁狮寻优的基础;其次在精英蚁狮的位置更新方式中引入上一代精英蚁狮,提高算法全局搜索的能力,并通过动态切换概率平衡算法局部和全局探索的能力;最后引入高斯变异的方法,加强后期算法跳出局部最优的能力.通过10个测试函数来评估算法的寻优能力,并将其应用到0-1背包问题、桁架尺寸和动力学优化问题中,验证了GALO算法应用于组合优化问题中收敛速度更快、精度更高,为结构优化提供了一种新的方法.
文献关键词：
计算机应用技术;蚁狮算法;混沌映射;动态惯性权重;高斯变异;组合优化
中图分类号：
作者姓名：
李彦苍;吴悦
作者机构：
河北工程大学土木工程学院,河北邯郸056038
文献出处：
引用格式：
[1]李彦苍;吴悦-.基于高斯变异的蚁狮算法及其在组合优化中的应用)[J].中国科技论文,2022(03):295-304
A类：
GALO
B类：
高斯变异,蚁狮算法,ant,lion,optimizer,种群数量,影响权重,收敛速度,较慢,Gaussian,mutation,Kent,蚂蚁,种群多样性,位置更新,更新方式,全局搜索,动态切换概率,跳出局部,局部最优,测试函数,评估算法,寻优能力,背包问题,桁架,动力学优化,算法应用,组合优化问题,计算机应用技术,混沌映射,动态惯性权重
AB值：
0.359044
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。
