典型文献
基于自适应正态云模型的引力樽海鞘群算法
文献摘要：
针对樽海鞘群算法(salp swarm algorithm,SSA)在求解复合问题时存在收敛速度慢和容易陷入局部最优等缺点,提出一种结合引力搜索技术与正态云发生器的樽海鞘群算法(cloud gravitational SSA,CGSSA).在更新樽海鞘领导者位置阶段引入引力搜索算法(gravitational search algorithm,GSA)中的加速度系数,避免樽海鞘群的无效搜索,从而加快搜索速度;使用正态云模型对樽海鞘追随者位置进行更新,可丰富种群的多样性;同时正态云模型熵值能随着迭代次数增加而自适应调整,可有效地提高迭代后期的收敛精度.在23个基准函数上进行CGSSA与其他10种优化算法的综合比较,仿真实验的统计结果、箱线图和收敛曲线表明,改进后的算法在搜索效率、收敛精度和避免局部最优方面具有更好的性能.
文献关键词：
樽海鞘群算法;引力搜索算法;加速度系数;正态云模型;自适应云模型;函数优化
中图分类号：
作者姓名：
张铸;张仕杰;饶盛华;王静袁
作者机构：
湖南科技大学信息与电气工程学院,湖南湘潭411201
文献出处：
引用格式：
[1]张铸;张仕杰;饶盛华;王静袁-.基于自适应正态云模型的引力樽海鞘群算法)[J].控制与决策,2022(02):344-352
A类：
CGSSA,自适应云模型
B类：
正态云模型,樽海鞘群算法,salp,swarm,algorithm,收敛速度,速度慢,局部最优,优等,云发生器,cloud,gravitational,领导者,引力搜索算法,search,GSA,加速度系数,追随者,云模型熵,迭代次数,自适应调整,收敛精度,基准函数,箱线图,搜索效率,函数优化
AB值：
0.278227
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。
