引力搜索算法的改进

引力搜索算法GSA(Gravitationa lSearch Algorithm)是最近由Esmat Rashedi基于引力定律提出的一个新算法。在引力搜索算法的基础上对其进行改进,得到了基于权值的引力搜索算法。与引力搜索算法相比,该算法在每一次迭代的过程中,都对粒子的惯性质量加一个权值。用算法对许多基准函数测试的实验效果表明,该方法可以使得引力搜索算法得到更好的结果。     

基于斥力的引力搜索算法

针对引力搜索算法(Gravitational Search Algorithm,GSA)收敛速度较快、易陷入局部最优的缺点,提出一种加入斥力的引力搜索算法RFGSA(Repulsion Force based Gravitational Search Algorithm)。该算法在引力搜索算法中引入斥力,即将一部分引力变为斥力,从而增加种群的多样性,有利于寻找全局最优。对10个基准测试函数进行优化的结果表明:该算法的收敛结果明显优于遗传算法、粒子群算法及原始的引力搜索算法。     

改进引力搜索算法用于工控系统入侵检测

为提高引力搜索算法的全局搜索能力和收敛速度,提出改进引力搜索算法(IGSA)。为引力常量嵌入混沌映射,使其在减小的同时可以混沌地变化,快速地跳出局部极小值,扩展搜索区域;引入细菌觅食算法(BFA)的趋化算子,利用最优个体信息对当前最佳粒子进行调整,提高收敛速度。4种基准函数的测试结果对比表明,IGSA有着更好的搜索能力和收敛速度。利用IGSA对孪生支持向量机(TWSVM)的参数进行寻优,将寻优后的TWSVM分类器应用于工控标准入侵检测数据集。实验结果表明,IGSA-TWSVM对整体入侵的误报率、漏报率和对各类入侵的检测率都优于其它算法。     

基于改进自适应黑洞机制的引力搜索算法

针对基本引力搜索算法(gravity search algorithm, GSA)易早熟、易陷入局部最优、缺少有效加速机制等缺点,提出了基于改进自适应黑洞机制的GSA(improved adaptive black hole gravity search algorithm, IABHGSA)。通过改进Tent映射对种群初始化,使得初始种群的分布更随机、均匀、全面,增强算法的全局勘探能力;引入改进自适应黑洞机制,根据粒子进化情况选择位置更新策略,使得位置更新更为合理,有效减小粒子陷入局部最优的可能性;通过基于学习思想的最优与最差粒子更新策略增强算法逃离局部最优的能力,并提高算法的寻优速度;引入群体迁徙,为算法提供有效的加速收敛机制。最后,选取八个基准测试函数对IABHGSA进行测试,并与相关算法的实验结果进行了对比,结果证明IABHGSA有更好的寻优性能。     

基于改进引力搜索算法的K-means聚类

针对K-means算法的聚类结果极易受到聚类中心的影响而陷入局部最优解的问题,提出一种基于改进引力搜索的K-means聚类算法。首先引入自适应概念,对引力系数衰减因子进行控制,提高算法的全局探索能力和局部开发能力;然后,引入免疫克隆选择机制,以便算法能够有效跳出局部最优,并通过对12个基准测试函数的实验验证改进引力搜索算法的有效性和优越性;最后,通过结合改进的引力搜索算法和K-means算法,提出一种新的聚类算法A2F-GSA-Kmeans,并在6个测试数据集上的实验表明,该算法具有较好的聚类质量。     

基于改进引力搜索算法的桁架结构优化设计

引力搜索算法是近几年提出的较有竞争力的群智能优化算法,然而,标准引力搜索算法存在后期收敛速度慢的缺点。为有效利用优化算法来解决结构优化的问题,提出一种改进的引力搜索算法(improved gravitational search algorithm,IGSA)。通过引入Logistic映射,使GSA初始种群遍历整个搜索空间,提高算法找出最优解的可能性。通过引入粒子群算法(particle swarm optimization,PSO)的信息交互机制,利用个体粒子历史最佳位置和种群历史最佳位置动态调整粒子的速度和位置,使个体粒子更快地向适应度值更高的位置移动,使算法搜索能力加强。对6个经典测试函数进行寻优,结果表明改进后算法收敛速度快,收敛精度高,稳定性较佳,跳出局部最佳解的能力较强。用IGSA和GSA对72杆空间桁架进行尺寸优化,与其他算法相比,结果表明IGSA得到最优值的迭代次数明显减少,得到的最优解明显优于通用算法。     

基于亲和度的改进引力搜索算法

为提高引力搜索算法的收敛性和搜索精度,提出一种基于亲和度的改进引力搜索算法PGSA。分析已有引力搜索算法的原理,通过改变粒子的引力合力计算公式对其进行改进,构造亲和度,即通过粒子间的质量差来表示粒子间的亲和度,将其作适当变换构造一个系数改造基本引力搜索算法。采用Matlab对该算法进行验证,数值仿真结果表明,改进后的引力搜索算法具有较快的收敛速度和较高的搜索精度。     

平面选址问题的引力搜索算法求解

为求解平面选址问题,给出了一种基于引力搜索算法的求解方法。算法利用万有引力定律进行全局搜索,采用一种邻域搜索方法进行局部搜索,实现算法全局优化和局部优化的平衡。通过大量实验和与现有求解方法的比较,结果验证了算法的可行性和有效性。     

改进的引力搜索算法及在波束赋形中的应用

针对引力搜索算法在优化复杂的波束赋形问题时,准确率低的问题,提出了一种改进算法:伪反向学习引力搜索算法.首先设计了一种随迭代次数变化的反向概率,将其用于算法中来优化反向学习的作用时机,进一步提高了算法搜索最优解的速度;其次,定义了"精英粒子",并将其保留至下一代种群中,替换掉种群中适应度值较差的粒子,从而改善了算法易陷入局部最优解的问题.利用改进算法对不同阵列天线进行优化,结果显示,和多种同类高性能算法的优化结果相比,伪反向学习引力搜索算法无论是优化精度还是收敛速度均为最佳,验证了所提改进算法在解决复杂波束赋形问题时的有效性.     

基于改进引力搜索算法的交换机迁移策略

针对多控制器软件定义网络（SDN）中交换机迁移策略迁移代价衡量单一,不能适应交换机流量的变化的情况,提出基于改进引力搜索算法的交换机迁移策略（IGS-SMS）。在决策阶段,应用基于模糊满意度的多目标决策方法,优化目标根据隶属度大小竞争优先权;在计算阶段,通过改进引力搜索算法优化优先权高的目标函数。实验结果表明,IGS-SMS在实现负载均衡的同时,能保证传输时延与交换机重分配的指标;在实验中,当局部负载较重时,动态迁移算法（DSMA）和基于改进型拍卖交换机迁移机制（PASMM）不能缓解控制器过载,而IGS-SMS执行后无控制器过载,且负载均衡度小于DSMA和PASMM。     

引力搜索算法中粒子记忆性改进的研究

针对引力搜索算法(GSA)对一些复杂问题的搜索精度不高的问题,特别是高维函数优化性能不佳、优化过程容易出现早熟的现象,因此考虑将粒子群优化(PSO)算法中关于局部最优解和全局最优解的概念引入引力搜索算法中,对引力搜索算法中粒子的记忆性进行改进,这样使得粒子的进化不仅受空间中其他粒子的影响,还受到自身记忆的约束,以此来提高算法的搜索能力。通过对选用的10个基准函数测试,证明了该方法的有效性。     

引力搜索算法在青霉素发酵模型参数估计中的应用

针对生物发酵过程难以精确估计模型参数的问题,提出一种利用引力搜索算法(GSA)对青霉素发酵非构造式动力学模型参数进行估计的方法。在分析发酵过程反应机理的基础上,选取合适的青霉素发酵非构造式动力学模型的状态方程式;然后利用GSA良好的全局搜索能力,对状态方程式的参数进行估计,从而得到精确的发酵模型。仿真结果表明：GSA实现了对青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足青霉素发酵过程的状态估计和控制需求。因此,GSA可有效地应用于模型参数估计。     

求解无约束优化问题的改进布谷鸟搜索算法

布谷鸟搜索算法是一种基于种群迭代搜索的全局优化算法。为求解无约束优化问题,提出一种改进的布谷鸟搜索算法。利用混沌序列构造初始种群以增加群体的多样性,引入动态随机局部搜索技术对当前最优解进行局部搜索,以加快算法的收敛速度。对4个标准测试函数进行仿真实验,并与其他6种算法进行比较,结果表明,该算法具有较强的全局搜索能力和较快的收敛速度。     

带有Levy Flight机制的引力搜索算法

引力搜索算法（gravitational search algorithm,GSA）是模拟万有引力定律进行搜索的一种新颖的优化算法,已有研究表明GSA算法相比一些传统的优化算法拥有较好的收敛性能,但其缺乏有效的全局寻优机制,易于被局部极值吸引,从而陷入早熟收敛。因此提出了一种基于Levy Flight和权值惯性递减的引力搜索算法QmuGSA,以加强算法的全局寻优能力。该算法通过Levy Flight独特的不均匀随机游走的机制扩大粒子的搜索范围,增加种群多样性,从而更容易跳出局部最优点。通过4个标准测试函数对所提算法进行了仿真测试,结果表明所提算法能够有效克服基本引力搜索算法易早熟、收敛精度低等缺陷,具有较好的寻优精度和全局收敛性能,能够解决一些复杂函数的优化问题。     

基于信息熵的混合引力搜索算法

针对基本引力搜索算法搜索速度慢和容易出现早熟的缺点,本文提出了一种基于信息熵的混合引力搜索算法. 受粒子群算法的启发,所提算法首先通过改进基本引力搜索算法的速度和位置更新公式来提高搜索速度;其次,通过惯性质量构造了信息熵模型来刻画种群的寻优程度,并采用不同的信息熵阈值动态选择权重,平衡了算法的全局搜索能力和局部搜索能力. 用8个标准测试函数的仿真实验和基本引力搜索算法与记忆改进的引力搜索算法的比较表明了所提算法收敛速度快,鲁棒性强且效率高.     

最小比率旅行商问题的引力搜索算法求解

经典旅行商问题的目标函数是总路程最小,而在实际情况中往往会考虑旅行商的收益问题,研究了以总路程和总收益之比为目标函数的最小比率旅行商问题.由于该问题的目标函数是非线性的,比求解目标函数是线性的旅行商问题更为困难,为有效求解该问题,提出一种引力搜索算法.算法基于万有引力定律和牛顿第二定律进行寻优,并采用速度和位置的计算模型.同时结合随机键的编码方法,将搜索个体的连续位置转换为离散的城市访问顺序.给出了算法的具体实现方案,并通过仿真和比较实验验证算法的优化性能.实验结果表明该算法可以有效求解最小比率旅行商问题.     

记忆增强的莱维飞行引力搜索算法

针对标准引力搜索算法存在收敛速度过快,容易陷入局部最小值等问题,提出一种改进的基于莱维飞行的引力搜索算法,在引力搜索算法框架下引入莱维飞行产生随机步长,进一步更新种群位置.莱维步长缩放因子动态调整,随迭代次数增加,莱维更新逐步发挥作用,使算法继续保持较好的全局搜索性能.莱维更新只选择适应度无退化粒子参与下次计算,且飞行...     

基于三角范数的引力搜索算法分析

分析了由Esmat Rashcdi提出的引力搜索算法(GSA)之后,对万有引力公式进行变换,用三角范数的其他算子代替万有引力公式中两个粒子惯性质量之间的乘法算子。分析不同三角范数算子的二维图像的特征之后,选择了三角范数中的5个算子进行实验。实验结果表明,对于具有一定三维图像特征的测试函数,使用相应三角范数算子的引力搜索算法对其全局搜索的能力相对地好于使用其它三角范数算子的改进引力搜索算法。     

带有Lévy Flight机制的引力搜索算法

引力搜索算法（gravitational search algorithm,GSA）是模拟万有引力定律进行搜索的一种新颖的优化算法,已有研究表明GSA算法相比一些传统的优化算法拥有较好的收敛性能,但其缺乏有效的全局寻优机制,易于被局部极值吸引,从而陷入早熟收敛。因此提出了一种基于Lévy Flight和权值惯性递减的引力搜索算法QmuGSA,以加强算法的全局寻优能力。该算法通过Lévy Flight独特的不均匀随机游走的机制扩大粒子的搜索范围,增加种群多样性,从而更容易跳出局部最优点。通过4个标准测试函数对所提算法进行了仿真测试,结果表明所提算法能够有效克服基本引力搜索算法易早熟、收敛精度低等缺陷,具有较好的寻优精度和全局收敛性能,能够解决一些复杂函数的优化问题。     

基于改进引力搜索算法的室内定位锚节点部署方案

在室内定位场景中,锚节点的部署对定位性能具有重要影响.考虑存在障碍物的室内环境,基于缺少环境详细信息或者缺少设备模拟室内信号传播的基本场景,综合考虑可定位率、定位精度以及是否冗余部署的指标,设计一种新的评价函数,并利用改进的引力搜索算法(GSA)进行求解,在可接受时间成本内得到室内定位锚节点部署问题的较优解.仿真实验中将所提出算法与3种参考算法进行对比,在定位率、几何精度因子(GDOP)值、定位误差等方面所提出算法都表现出较优的性能;同时,针对考虑部分因素的评价函数进行比较,通过对多个指标项的分析,证实所提出的评价函数可以获得较优的锚节点部署方案,从而能够有效改善锚节点拓扑,提高定位性能.