换一批摘要为改善和声搜索算法易陷入局部最优的不足,提出了一种混沌反向学习和声搜索(COLHS)算法.基于聚集和发散思想,对算法陷入局部最优和停滞状态进行初步预判断,并根据预判断的结果融合混沌扰动策略和反向学习,利用了logistic混沌序列的遍历性和反向学习的空间可扩展性.此外,利用和声记忆库的历史信息定义更新因子和进化因子,自适应地调整参数基音调整概率(PAR)和基音调整步长(BW),平衡算法的聚集和发散.数值结果表明,COLHS算法优于HS算法及最近文献报道的8种改进的HS算法.
更多相关知识
关键词
和声搜索算法混沌扰动策略反向学习局部最优历史信息harmony search algorithmchaos disturbance strategyopposition-based learninglocal optimalhistory information
分类号
TP301.6
栏目名称
DOI
10.3969/j.issn.1005-3026.2013.09.001
发布时间
2015-07-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81000639）
- 浏览0
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
