类电磁机制算法(EM)是一种全新的智能优化算法,具有高效的计算性能和优良的全局搜索能力。从提出至今,受到国内外学者的广泛关注。该算法具有所需资源少、优化原理简单、收敛速度快、寻优能力强等优点,但是对于一些复杂问题的求解,类电磁机制算法仍存在进化后期收敛速度较慢、容易陷入局部极值点、收敛精度差等问题。
　　本文深入研究了类电磁机制算法的寻优原理。针对原算法存在的初始种群质量差、局部搜索效率低、移动步长缺乏自适应性等问题,提出了一种改进的类电磁机制算法(IEM)。即引入带扰动因子的反向学习机制构造初始种群,既保证了初始群体含有较丰富的模式,又有利于整体的进化收敛速度的提高;提出了基于双混沌优化机制的局部搜索策略,可以有效地提高搜索效率,避免陷入局部最优;设计了一种自适应步长移动算子,表征了进化代数对局部搜索的影响,提高了算法收敛精度,引导个体向更优的方向搜索,改善了搜索效果。
　　实验结果表明,改进的类电磁机制算法的性能明显优于经典类电磁机制算法,能避免算法早熟,有效地提高了算法的寻优精度和收敛速度。
　　本文主要研究的是类电磁机制算法本身的改进,在后续的工作中,将继续对该算法进行深入研究,利用改进后的算法解决组合优化、资源网络优化和生产调度等实际工程问题。