文献类型：期刊文章

作　　者：李雅丽[1] 王淑琴[1] 陈倩茹[1] 王小钢[1]

LI Yali;WANG Shuqin;CHEN Qianru;WANG Xiaogang(College of Computer and Information Engineering,Tianjin Normal University,Tianjin 300387,China)

机构地区：[1]天津师范大学计算机与信息工程学院,天津300387

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61070089);天津市应用基础与前沿技术研究计划项目(No.15JCYBJC4600,No.19JCZDJC35100)。

年　　份：2020

卷　　号：56

期　　号：22

起止页码：1-12

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：随着计算机技术的发展,算法技术也在不断交替更新。近年来,群体智能算法受到了广泛的关注和研究,并在诸如机器学习、过程控制、工程预测等领域取得了进展。群智能优化算法属于生物启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路,但是也在一些实验中暴露出不足。近年来,许多学者相继提出了很多新型群智能优化算法,选取了最近几年国内外提出的比较典型的群智能算法,蝙蝠算法(Bat Algorithm,BA)、灰狼优化算法(Grey Wolf Optimization,GWO)、蜻蜓算法(Dragonfly Algorithm,DA)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)、蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)和麻雀搜索算法(Sparrow Search Algorithm,SSA),并进一步通过22个标准的CEC测试函数从收敛速度、精度和稳定性等方面对比了这些算法的实验性能,并对比分析了其相关的改进方法。最后总结了群智能优化算法的特点,探讨了其今后的发展潜力。

关 键 词：群智能优化算法  优化问题  生物启发式算法  麻雀搜索算法  鲸鱼优化算法  

分 类 号：TP181]