多阶段自适应蝙蝠-蚁群混合群智能算法

针对蝙蝠算法在优化过程中未充分利用蝙蝠间搜索信息交互影响的不足,借鉴拟态物理学中的作用力规则,基于阶段性搜索策略将搜索过程分为两个阶段,分别构造符合算法阶段性搜索特点的作用力规则,提出多形态作用力蝙蝠算法,并利用Benchmark函数对所提算法与标准蝙蝠算法、变异蝙蝠算法、标准微粒群算法、两阶段微粒群算法进行性能对比测试,结果表明,所提算法具有更好的寻优能力.针对标准蚁群算法在离散空间优化时信息素更新机制单一、容易早熟收敛的不足,结合蚁群的实际社会活动提出多阶段自适应信息素机制蚁群优化算法,并在算法出现长时间停滞时,引入混沌算子使算法跳出早熟收敛,更好地发挥蚁群算法的优势,相对于标准蚁群算法、引入差分进化算法交叉变异机制的混合微粒群算法、基于动态局部搜索蚁群算法,所提算法在旅行商问题中具有更高的寻优精度、更好的稳定性.为综合不同群智能算法的优势,针对多形态作用力蝙蝠算法全局搜索能力强、收敛速度快,多阶段自适应信息素机制蚁群优化算法局部精细化能力强的特点,将两种算法串行混合,提出了多阶段自适应蝙蝠-蚁群混合群智能算法.最后,通过液压系统可靠性优化和串-并联多态系统可靠性优化实例,验证了所提混合群智能算法的有效性.

Multi-stage Adaptive BA-ACO Hybrid Swarm Intelligence Algorithm