最优化问题全局寻优的AFSA-BFGS混合算法

doi:10.3778/j.issn.1002-8331.2009.01.019

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (1): 63-65.DOI: 10.3778/j.issn.1002-8331.2009.01.019

最优化问题全局寻优的AFSA-BFGS混合算法

黄华娟,周永权

广西民族大学数学与计算机科学学院，南宁 530006

收稿日期:2008-12-28 修回日期:2008-03-06 出版日期:2009-01-01 发布日期:2009-01-01
通讯作者: 黄华娟

AFSA-BFGS hybrid algorithm of global optimum for optimization problems

HUANG Hua-juan,ZHOU Yong-quan

College of Math and Computer Science,Guangxi University for Nationalities，Nanning 530006，China

Received:2008-12-28 Revised:2008-03-06 Online:2009-01-01 Published:2009-01-01
Contact: HUANG Hua-juan

摘要/Abstract

摘要： 针对人工鱼群算法在优化后期收敛速度变慢问题，利用BFGS算法快速的局部搜索能力来改进，提出了一种最优化问题全局寻优的AFSA-BFGS混合算法。通过8个标准函数测试结果表明，AFSA-BFGS混合算法，不仅具有全局收敛性能，而且还具有较快的收敛速度和更高的求解精度，是求解优化问题的一种有效方法。

关键词: 人工鱼群算法, 混合算法, BFGS算法, 全局最优化

Abstract: To overcome the problem of slow convergence on artificial fish school algorithm（AFSA），this paper proposes a hybrid algorithm of AFSA-BFGS using the quick local convergence of BFGS algorithm，eight practical functions are selected as the test function.The experimental results show that the AFSA-BFGS algorithm not only can effectively locate the global optimum，but also have a rather high convergence speed.The AFSA-BFGS algorithm is a promising approach for solving global optimization problems.

Key words: artificial fish school algorithm, hybrid algorithm, Broyden-Fletcher-Gddfarb-Shanno（BFGS） algorithm, global optimum

黄华娟,周永权. 最优化问题全局寻优的AFSA-BFGS混合算法[J]. 计算机工程与应用, 2009, 45(1): 63-65.

HUANG Hua-juan,ZHOU Yong-quan. AFSA-BFGS hybrid algorithm of global optimum for optimization problems[J]. Computer Engineering and Applications, 2009, 45(1): 63-65.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[3]	巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.
[4]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[5]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[6]	闫旭，叶春明. 混合蝗虫优化算法求解作业车间调度问题[J]. 计算机工程与应用, 2019, 55(6): 257-264.
[7]	邹德龙，王宝华. 一种混合优化算法面向高维函数优化的研究[J]. 计算机工程与应用, 2019, 55(20): 122-127.
[8]	姚凌波，戴月明，王艳. 反向自适应高斯变异的人工鱼群算法[J]. 计算机工程与应用, 2018, 54(1): 179-185.
[9]	王家海，陈煜. 数据驱动的Job Shop生产调度知识挖掘及优化[J]. 计算机工程与应用, 2018, 54(1): 264-270.
[10]	靳雁霞，任超，李照，程思岳，王贺，韩慧妍. 融合智能算法的变形体碰撞检测算法研究[J]. 计算机工程与应用, 2017, 53(19): 130-135.
[11]	卢向华，舒云星. 改进AFSA算法优化SVM的变压器故障诊断[J]. 计算机工程与应用, 2017, 53(17): 173-179.
[12]	黄务兰1，2，张涛1，3. 基于改进全局人工鱼群算法的VRPSPDTW研究[J]. 计算机工程与应用, 2016, 52(21): 21-29.
[13]	李迎1，张璟1，2，虎群1，李军怀1，2. 人工鱼群算法在虚拟机分配中的应用[J]. 计算机工程与应用, 2015, 51(4): 22-28.
[14]	王冲，雷秀娟. 一种融合免疫接种机制的改进鱼群聚类算法[J]. 计算机工程与应用, 2015, 51(3): 138-142.
[15]	费腾，张立毅，陈雷. 配送中心选址问题的BFO-AFSA算法研究[J]. 计算机工程与应用, 2015, 51(23): 1-5.

最优化问题全局寻优的AFSA-BFGS混合算法

AFSA-BFGS hybrid algorithm of global optimum for optimization problems

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics