一种改进的群搜索优化方法

来源 :传感器与微系统 | 被引量 : 0次 | 上传用户:mikamireiko
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
标准的群搜索优化(GSO)方法是一种适用于解决高维函数优化问题的群智能算法,且简单、高效,易于实现。为了进一步提高其收敛速度和精度,对该方法进行了改进。在保留其"发现者—追随者—游荡者"框架的同时,改进的GSO方法将最大下降方向策略引入发现者行为。在每轮迭代中,发现者不但按照自身方向进行搜索,同时也根据最大下降方向进行搜索。分别通过23个基准测试函数对2种优化方法进行测试,结果表明:改进的GSO方法优于标准群搜索方法。
其他文献
在非接触轨距测量系统中,提出一种基于RGB模型轨道轮廓的识别算法。该算法利用光源颜色相对固定的特点,通过提取RGB图像中的R颜色特征分量,并结合图像差影算法和细化算法,准确提取出钢轨断面轮廓。实验结果表明:该算法具有抗噪声能力强、计算速度快、准确性高等特点。