一种改进的群搜索优化方法

曾超; 李娜; 王维; 陈朝阳

doi:10.13873/j.1000-97872012.09.001

Chinese

您当前的位置：

首页 >

文章列表页 >

一种改进的群搜索优化方法

研究与探讨 | 更新时间：2025-09-11

- 一种改进的群搜索优化方法
- An improved group searching optimization method
- 传感器与微系统 2012年31卷第9期页码：28-31
- 作者机构：
  
  1. 中南大学地球科学与信息物理学院
  2. 中南大学湘雅三医院
  3. Department of Biomedical Engineering,Wayne State University,MI,Detroit,USA,48201
- 作者简介：
- 基金信息：
  
  清华大学汽车安全与节能国家重点实验室开放基金资助项目（KF11011）
- DOI：10.13873/j.1000-97872012.09.001
  中图分类号： O224;TP301.6
- 纸质出版：2012
- 稿件说明：
移动端阅览
[1]曾超,李娜,王维,陈朝阳.一种改进的群搜索优化方法[J].传感器与微系统,2012,31(09):28-31.

ZENG Chao1, LI Na2, WANG Wei2, et al. An improved group searching optimization method[J]. 2012, 31(9): 28-31.
[1]曾超,李娜,王维,陈朝阳.一种改进的群搜索优化方法[J].传感器与微系统,2012,31(09):28-31. DOI： 10.13873/j.1000-97872012.09.001.

ZENG Chao1, LI Na2, WANG Wei2, et al. An improved group searching optimization method[J]. 2012, 31(9): 28-31. DOI： 10.13873/j.1000-97872012.09.001.

摘要

标准的群搜索优化（GSO）方法是一种适用于解决高维函数优化问题的群智能算法

且简单、高效

易于实现。为了进一步提高其收敛速度和精度

对该方法进行了改进。在保留其"发现者—追随者—游荡者"框架的同时

改进的GSO方法将最大下降方向策略引入发现者行为。在每轮迭代中

发现者不但按照自身方向进行搜索

同时也根据最大下降方向进行搜索。分别通过23个基准测试函数对2种优化方法进行测试

结果表明:改进的GSO方法优于标准群搜索方法。

Abstract

Standard group searching optimization（GSO） is a swarm intelligence algorithm for high-dimensional function optimization.It is simple and efficient

and easy to implement.In order to enhance its convergence speed as well as precision

an improvement on this method is presented.Inheriting the framework of"producer-scroungerranger" of GSO

the improved GSO（iGSO） introduces the strategy of maximum descendent direction to the behavior of the so-called producer.In each iteration

the producer searches not only according to the direction of itself

but also according to the maximum descendent direction.Tests are carried out through 23 standard test functions on GSO and iGSO independently

the results shows iGSO method is prior to GSO.

关键词

Keywords

references

快速群搜索优化算法及其应用研究 [J]. 刘锋,覃广,李丽娟. 工程力学 . 2010(07)

改进的群搜索优化算法 [J]. 张雯雰,滕少华,李丽娟. 计算机工程与应用 . 2009(04)

An improved group search optimizer for mechanical design optimization problems [J]. Hai Shena,b,c,Yunlong Zhu a,Ben Niu a,b,Q.H.Wu d a Key Laboratory of Industrial Informatics,Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China b Graduate School of the Chinese Academy of Sciences,Beijing 100049,China c College of Physics Science and Technology,Shenyang Normal University,Shenyang 110034,China d Department of Electrical Engineering and Electronics,The University of Liverpool,Brownlow Hill,Liverpool,L69 3GJ,UK. Progress in Natural Science . 2009(01)

浏览量

121

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于纠错机制的粒子群优化算法