改进蝙蝠算法在多目标优化中的应用

在模拟退火的高斯扰动蝙蝠优化算法（SAGBA）的基础上,结合解决多目标优化问题的算法技术,探讨了2种改进的多目标蝙蝠算法——基于动态加权的SAGBA算法（DWASAGBA）和基于向量估计的SAGBA算（VESAGBA）,并对算法进行了仿真实验．结果表明,SAGBA算法所得到的解集分布均匀,能够得到测试函数较为准确的Pareto曲线。     

一种改进的和声搜索算法

针对实值函数优化问题,基于基本和声搜索算法及蝙蝠算法,提出一种新的改进和声搜索算法HS-Bat 。新算法保留了和声搜索的搜索机理,但对和声搜索中和声记忆库外的搜索方法用蝙蝠算法作了改进,对和声记忆库内新解产生方法也作了相应的调整,从而提高了原算法的搜索效率。利用Matlab编程对改进后算法寻找最优解的稳定性及精确度进行测试。结果表明改进后的算法有更好的效果,值得进一步研究与推广应用。     

蝙蝠算法的全局收敛性分析

为了研究蝙蝠算法的收敛性,本文基于随机搜索算法的全局收敛性判断准则对蝙蝠算法的收敛性进行了分析,并通过仿真实验进行了验证．结果表明,蝙蝠算法不完全满足随机搜索优化算法的2个全局收敛准则,无法确保全局收敛,因此蝙蝠算法属于局部搜索优化算法．     

一种改进的自适应变异蝙蝠算法

针对蝙蝠算法在解决高维复杂问题时容易陷入局部最优解和精确度不高的问题,文中提出了一种改进的蝙蝠算法。在原算法的基础上,引入一种交叉变换的方式更新蝙蝠群体的位置,一方面是为了提高蝙蝠算法的遍历性,另外还可以减小蝙蝠算法陷入局部最优解的可能性。模拟蝙蝠发声的音量变化,采用自适应的变换的方式改进蝙蝠算法最优解的选择模式,达到提高算法的精度和收敛速度的目的。最后通过标准的测试函数对改进后的算法进行数值模拟,结果显示,改进后的算法较为有效。