改进自组织迁移算法及其在Bump问题中的应用.pdfVIP

改进自组织迁移算法及其在Bump问题中的应用

林志毅;王玲玲

【摘要】提出了改进自组织迁移算法(ImprovedSelf-OrganizingMigrating

Algorithm,ISOMA).该算法通过在迁移过程中引入差分迁移方式来增加种群的多

样性,将迁移的方向由原来的正方向扩展到正负两方向以提高算法的有哪些信誉好的足球投注网站能力,对步

长进行自适应调整进一步平衡算法的勘探和开采能力.利用该算法来求解高维约束

问题--BUMP问题,计算结果表明新算法的有效性.

【期刊名称】《计算机工程与应用》

【年(卷),期】2010(046)019

【总页数】3页(P25-26,35)

【关键词】自组织迁移算法;差分迁移方式;BUMP问题;改进自组织迁移算法

(ISOMA)

【作者】林志毅;王玲玲

【作者单位】广东工业大学,计算机学院,广州,510006;武汉大学,软件工程国家重点

实验室,武汉,430072

【正文语种】中文

【中图分类】TP301.6

1引言

2000年，Zelinka和Lampinen共同发展了一下名叫自组织迁移算法（Self-

OrganizingMigratingAlgorithm，简称SOMA）[1]的新型演化算法。与多数演

化算法一样，SOMA也是一种基于群体的随机优化算法，其基本思想是基于社会

环境下群体的自组织行为，如社会性的合作觅食行为。SOMA算法所需要调整的

参数也比较少，易于并行化[2]，是一类较有潜力的新型进化算法。但是，SOMA

在寻优过程中，很大程度上受早期发现的较好解的影响，这些较好解以极大的概率

引导SOMA走向局部最优解。

为了避免算法的过早收敛，提高算法的性能，一些研究者进行了不同的尝试。如

LeandrodosSantosCoelho利用高斯算子来增加算法的局部微调能力[3]，笔者

提出了基于混合迁移行为的自组织迁移算法[4]。这些都在一定程度上提高了

SOMA算法的性能，但是这些改进主要考虑SOMA的多样性或收敛速度的某一方

面。为了平衡算法的多样性和收敛速度，在文献[4]的基础上，研究了一种改进的

自组织迁移算法（ImprovedSelf-OrganizingMigratingAlgorithm，ISOMA）。

该算法在个体迁移过程中借鉴了差分进化算法的DE/RAND/1模式，引入了差分

迁移方式，提高种群多样性。将个体跳跃沿着正负两方向进行，从而提高算法的搜

索能力。对步长进行自适应调整，前期加快算法的收敛速度，而后期则加强算法的

局部有哪些信誉好的足球投注网站能力。这样一来，在较好保持种群的多样性的同时，可以加速群体在高维

复杂空间中的寻优进程。结果表明，该算法性能优于基本SOMA和HBSOMA。

2改进的自组织迁移算法

与其他全局优化算法一样，SOMA也会出现过早收敛的情况，即在算法运行过程

中，如果某个体发现一个当前最优位置，其他个体将迅速向其靠拢，如果该最优位

置为一局部最优点，SOMA就无法在解空间内重新有哪些信誉好的足球投注网站，算法将陷入局部最优。

从多态性角度分析，主要原因是基本SOMA没有考虑个体的行为差异，使所有个

体都朝着目前的最优解靠近。如能在现有的SOMA中，引入其他迁移方式，使得

个体在迁移过程并不总是朝着当前最优解的方向前进，也向着其他可能的方向前进，

算法就更有可能跳出局部最优解[4]。

在迁移过程中，SOMA中的个体只朝着当前最优解的正方向跳跃，即跳跃的范围

则只能在（0，Pathlength）。这种迁移操作可能导致算法朝着当前最优解的正方

向收缩，而忽略了负方向上的一些有哪些信誉好的足球投注网站空间，不利于全局优化。根据概率学原理，

每个随机产生的候选解相比它的反向解有50%的概率机会远离或靠近问题最优解。

也就是说，反方向也有可能就是最优解的所在。那么如果在现有的SOMA中，改

变个体的跳跃方向，使其沿正负两方向进行，也就是说，将跳跃