带有灰色关联算子的烟花算法

标准烟花算法（FA）由于粒子更新机制的缺陷，寻优过程中粒子之间缺乏信息交流，使得算法寻优能力弱，寻优结果精度低。为了改善上述缺陷，提出带有灰色关联算子的烟花算法（GFA）。GFA在粒子寻优过程中利用灰色关联算子为每个粒子选取一个指导粒子，通过指导粒子来对自身粒子维度信息进行更新，以提高算法的寻优能力。利用标准测试函数对所提算法进行测试，仿真结果表明GFA与相关改进的烟花算法相比具有较高的寻优精度和收敛速度。     

基于信息交流策略的连续域蚁群优化算法

连续域蚁群优化算法（ACOR）在求解优化问题时,全局寻优能力弱,寻优结果精度低。受自然界中优秀的个体之间相互交流和结合可以产生较优的后代的启发,提出了一种基于信息交流策略的连续域蚁群优化算法（ICACO）。ICACO算法在对解的更新过程中选取一部分较优解利用信息交流策略进行处理得到候选解,并采用贪婪方式接受能够改善解的质量的候选解。通过标准测试函数对所提算法进行测试,实验结果表明ICACO算法能够有效地提高ACOR算法寻优结果的精度并加快收敛速度。该算法与相关改进的连续域蚁群算法及其他智能优化算法相比全局搜索能力更高,效果更好。     

一种动态划分的混合连续域蚁群优化算法

连续域蚁群优化算法在处理高维问题时易陷入局部最优,而且收敛速度较慢。针对这些问题,提出了一种改进的连续域蚁群优化算法。该算法将解划分为优解和劣解两部分,并在迭代过程中动态调整优解和劣解的数目。对于优解,利用全局搜索策略进行预处理,这样能提高算法的收敛速度和收敛精度。对于劣解,则利用随机搜索策略进行预处理,这样能扩大搜索范围,增强搜索能力。通过标准测试函数对所提算法进行测试,结果表明改进策略能够有效提高连续域蚁群优化算法的收敛速度并改善解的质量。