改进蝙蝠算法在模糊层次分析中的应用
作者:
基金项目:

四川省教育厅2018年度自然科学研究项目(18ZB0316)


Application of Improved Bat Algorithm in Fuzzy Analytic Hierarchy Process
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [13]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    摘要:

    为了解决基本蝙蝠算法易发生早熟收敛、求解精度较低等问题,提出并实现了旨在提高群体多样性的改进算法.首先在蝙蝠算法中引入速度权重因子,令其在迭代过程中线性递减;其次在局部新解不满足接受条件时,对蝙蝠位置进行Cauchy分布随机数扰动,并在算法运行中间隔性调用非线性规划函数.改进算法能在寻优过程中保持群体多样性,增强全局搜索和局部搜索能力.标准函数测试及在模糊层次分析中的应用结果表明,改进蝙蝠算法的性能远优于基本蝙蝠算法,具有较好的实用价值.

    Abstract:

    In order to improve the basic bat algorithm's premature convergence and low solving accuracy, an improved algorithm is proposed to enhance the diversity of the swarm. Firstly, the velocity weighting factor is introduced into the bat algorithm to make it decrease linearly during the iteration. Then the position of the bat is perturbed by the random number of Cauchy distribution when the local new solution does not satisfy the acceptance condition and the nonlinear programming function is called at intervals between algorithm runs. The improved algorithm can maintain the diversity of the swarm and enhance the ability of global and local search in the optimization process. The standard function test and its application in fuzzy hierarchical analysis show that the performance of the improved bat algorithm is much better than that of the basic bat algorithm, and has better practical value.

    参考文献
    [1] Yang XS. A new metaheuristic bat-inspired algorithm. González JR, Pelta DA, Cruz C, et al. Nature Inspired Cooperative Strategies for Optimization. Berlin Heidelberg: Springer, 2010. 65-74.
    [2] 李煜, 马良. 新型全局优化蝙蝠算法. 计算机科学, 2013, 40(9): 225-229.
    [3] 刘长平, 叶春明. 具有混沌搜索策略的蝙蝠优化算法及性能仿真. 系统仿真学报, 2013, 25(6): 1183-1188, 1195.
    [4] 肖辉辉, 段艳明. 基于DE算法改进的蝙蝠算法的研究及应用. 计算机仿真, 2014, 31(1): 272-277, 301.
    [5] 贺兴时, 丁文静, 杨新社. 基于模拟退火高斯扰动的蝙蝠优化算法. 计算机应用研究, 2014, 31(2): 392-397.
    [6] 刘长平, 叶春明, 刘满成. 来自大自然的寻优策略: 像蝙蝠一样感知. 计算机应用研究, 2013, 30(5): 1320-1322, 1356.
    [7] 盛晓华, 叶春明. 蝙蝠算法在PFSP调度问题中的应用研究. 工业工程, 2013, 16(1): 119-124.
    [8] 李枝勇, 马良, 张惠珍. 0-1规划问题的元胞蝙蝠算法. 计算机应用研究, 2013, 30(10): 2903-2906, 2935. [DOI:10.3969/j.issn.1001-3695.2013.10.005]
    [9] 张蓉. 蝙蝠算法优化最二乘支持向量机的网络入侵检测. 激光杂志, 2014, 35(11): 101-104.
    [10] 薛威力, 贺兴时, 杨新社. 蝙蝠算法的一种改进. 哈尔滨商业大学学报(自然科学版), 2016, 32(6): 706-712.
    [11] 李枝勇, 马良, 张惠珍. 蝙蝠算法收敛性分析. 数学的实践与认识, 2013, 43(12): 182-190. [DOI:10.3969/j.issn.1000-0984.2013.12.026]
    [12] 胡振. QPSO混合算法在PID控制器优化中的应用. 计算机系统应用, 2014, 23(10): 233-238. [DOI:10.3969/j.issn.1003-3254.2014.10.042]
    [13] 陈素彬, 胡振. 高职院校分析化学课程建设的量化评价方法. 化学教育, 2017, 38(8): 44-50.
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

张晓琪,胡振,唐天国.改进蝙蝠算法在模糊层次分析中的应用.计算机系统应用,2018,27(3):143-148

复制
分享
文章指标
  • 点击次数:2208
  • 下载次数: 2344
  • HTML阅读次数: 1116
  • 引用次数: 0
历史
  • 收稿日期:2017-06-14
  • 最后修改日期:2017-06-30
  • 在线发布日期: 2018-02-11
文章二维码
您是第11206493位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号