摘要
为优化多元宇宙算法求解函数最优值的性能,提出一种改进搜索机制的全局优化多元宇宙算法(G-MVO).针对标准算法存在单一搜索机制导致算法易陷入局部最优以及过早收敛的缺陷,提出三种学习策略来增强算法性能,通过多策略交互协作降低算法复杂度并提高求解精度,设计自适应参数动态选择最佳策略,全局优化算法性能.为验证算法的有效性,算法在不同维度的八个基准函数上进行仿真实验.结果表明,该算法表现出更佳的求解精度以及收敛速度.
基金项目
贵州省科技计划重大专项(黔科合重大专项字[2018]3002)
贵州省科技计划重大专项(黔科合重大专项字[2016]3022)
贵州省公共大数据重点实验室开放课题(2017BDKFJJ004)
贵州省教育厅青年科技人才成长项目(黔科合KY字[2016]124)
国家科技期刊平台
NSTL
维普
万方数据