文献类型：期刊文章

作　　者：张娜[1] 赵泽丹[1] 包晓安[1] 钱俊彦[2] 吴彪[1]

ZHANG Na;ZHAO Ze-dan;BAO Xiao-an;QIAN Jun-yan;WU Biao(School of Informatics and Electronics,Zhejiang Sci-Tech University,Hangzhou 310018,China;Guangxi Key Laboratory of Trusted Software,Guilin University of Electronic Technology,Guilin 541004,China)

机构地区：[1]浙江理工大学信息学院,杭州310018 [2]桂林电子科技大学广西可信软件重点实验室,广西桂林541004

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(61502430,61562015);广西自然科学重点基金项目(2015GXNSFDA139038);浙江理工大学521人才培养计划项目.

年　　份：2020

卷　　号：35

期　　号：4

起止页码：893-900

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：万有引力搜索算法(gravitational search algorithm,GSA)相比于传统的优化算法具有收敛速度快、开拓性能强等特点,但GSA易陷入早熟收敛和局部最优,搜索能力较弱.为此,提出一种基于改进的Tent混沌万有引力搜索算法(gravitational search algorithm based on improved tent chaos,ITC-GSA).首先,改进Tent混沌映射来初始化种群,利用Tent混沌序列随机性、遍历性和规律性的特性使得初始种群随机性和遍历性在可行域内,具有加强算法的全局搜索能力;其次,引入引力常数G的动态调整策略提高算法的收敛速度和收敛精度;再次,设计成熟度指标判断种群成熟度,并使用Tent混沌搜索有效抑制算法早熟收敛,帮助种群跳出局部最优;最后,对10个基准函数进行仿真实验,结果表明所提算法能够有效克服GSA易陷入早熟收敛和局部最优的缺点,提高算法的收敛速度和寻优精度.

关 键 词：Tent混沌  万有引力搜索算法(GSA)  成熟度 引力常数

分 类 号：TP18]