一种基于GA的新型生物地理学优化算法研究

doi:10.16182/j.issn1004731x.joss.19-0087

系统仿真学报 ›› 2020, Vol. 32 ›› Issue (9): 1717-1723.doi: 10.16182/j.issn1004731x.joss.19-0087

一种基于GA的新型生物地理学优化算法研究

王宁, 魏利胜

安徽工程大学电气工程学院,安徽芜湖 241000

收稿日期:2019-03-02 修回日期:2019-04-21 出版日期:2020-09-18 发布日期:2020-09-18
作者简介:王宁(1995-),男,安徽宿州,硕士生,研究方向为复杂系统的建模、控制与优化;魏利胜(1978-),男,安徽巢湖,博士,教授,研究方向为多目标优化,机械视图等。
基金资助:
安徽省自然科学基金(1608085MF146),安徽工程大学青年拔尖人才项目(2016BJRC008)

Research on a Novel Biogeography-Based Optimization Algorithm Based On GA

Wang Ning, Wei Lisheng

School of Electrical Engineering, Anhui Polytechnic University, Wuhu 241000, China

Received:2019-03-02 Revised:2019-04-21 Online:2020-09-18 Published:2020-09-18

摘要/Abstract

摘要： 为了使生物地理学优化算法的优化能力得到进一步提高,提出了一种基于遗传算法的新型生物地理学优化算法。在迁移操作之前增加了选择操作,采用了“轮盘赌”的方法选择出迁移个体,以使适应度较高的个体可以优先得到迁移,并且变异操作结合了遗传高斯变异操作方法,从而更好地提升了算法的优化性能;在此基础上,从理论上详细推导了该方法的收敛性条件。使用了5种测试函数进行实验,结果证明了改进后的算法在优化结果和收敛速度方面要更优。

关键词: 生物地理学优化算法, 遗传算法, 选择操作, 高斯变异

Abstract: In order to further improve the optimization ability of biogeography-based optimization algorithm, a new genetic algorithm is proposed. The selection operation is added before the migration operation, and the migration individual is selected by the method of "roulette", so that the individuals with higher fitness can be preferentially migrated. The mutation operation combines the genetic gaussian mutation method, and the optimization performance of the algorithm is improved. The convergence condition of the method is derived in theory. Five test functions are used in the experiments, and the results prove that the ameliorated algorithm is better at the results of optimization and rate of convergence.

Key words: biogeography-based optimization (BBO), genetic algorithm, selection operation, gauss mutation

中图分类号:

TP18

王宁, 魏利胜. 一种基于GA的新型生物地理学优化算法研究[J]. 系统仿真学报, 2020, 32(9): 1717-1723.

Wang Ning, Wei Lisheng. Research on a Novel Biogeography-Based Optimization Algorithm Based On GA[J]. Journal of System Simulation, 2020, 32(9): 1717-1723.

参考文献

[1] Simon D.Biogeography-Based Optimization[J]. IEEE Transactions on Evolutionary Computation (S1089-778X), 2008, 6(12): 702-713.
[2] 郑肇葆. 生物地理学优化(BBO)在图像分割中的应用[J]. 武汉大学学报(信息科学版), 2011, 36(8): 932-935.
Zheng Zhaobao.Application of Biogeography Optimization (BBO) in Image Segmentation[J]. Journal of Wuhan University (Information Science Edition), 2011, 36(8): 932-935.
[3] Bhattacharya A, Chattopadhyay P K.Hybrid differential evolution with biogeography-based optimization algorithm for solution of economic emission load dispatch problems[J]. Expert Systems With Applications (S0957-4174), 2011, 38(11): 14001-14100.
[4] 关晓蕾. 生物地理优化算法及其在机器人路径规划中的应用[D]. 哈尔滨: 哈尔滨工程大学, 2011.
Guan Xiaolei.Biogeographic optimization algorithm and its application in robot path planning[D]. Harbin: Harbin University of Engineering, 2011.
[5] Guo W, Chen M, Wang L, et al.A Survey of Biogeography-Based Optimization[J]. Neural Computing & Applications (S1433-3058), 2017, 28(8): 1-18.
[6] 马海平. 进化算法模型建立与性能分析研究[D]. 上海: 上海大学, 2014.
Ma Haiping.Research on the Establishment and Performance Analysis of Evolutionary Algorithm Model[D]. Shanghai: Shanghai University, 2014.
[7] Simon D, Ergezer M, Du D, et al.Markov Models for Biogeography-Based Optimization[J]. IEEE transactions on systems, man, and cybernetics. Part B, Cybernetics: a publication of the IEEE Systems, Man, and Cybernetics Society (S1083-4419), 2011, 41(1): 299-306.
[8] Ma H P, Simon D.Analysis of Migration Models of Biogeography-Based Optimization Using Markov Theory[J]. Engineering Applications of Artificial Intelligence (S0952-1976), 2011, 24(6): 1052-1060.
[9] Zheng Y J, Ling H F, Wu X B, et al.Localized biogeography-based optimization[J]. Soft Computing (S1433-7479), 2014, 18(11): 2323-2334.
[10] 陈绍武, 宋淑群, 张凌波, 等. 基于改进生物地理学算法的甲醇合成转化率软测量[J]. 系统仿真学报, 2014, 26(1): 17-22.
Chen Shaowu, Song Shuqun, Zhang Lingbo, et al.Soft Sensing of Methanol Conversion Rate Based on Improved Biogeography Algorithms[J]. Journal of Systems Simulation, 2014, 26(1): 17-22.
[11] 闫顺林, 谷兵, 田东旭, 等. 基于差分进化生物地理学算法的经济负荷分配[J]. 电力科学与工程, 2016, 32(3): 31-36.
Yan Shunlin, Gu Bing, Tian Dongxu, et al.Economic Load Distribution Based on Differential Evolutionary Biogeography Algorithm[J]. Electric Power Science and Engineering, 2016, 32(3): 31-36.
[12] 张家超, 杨海霞. 结构损伤识别中的生物地理学优化算[J]. 河海大学学报(自然科学版), 2018, 46(3): 234-239.
Zhang Jiachao, Yang Haixia.Biogeography Optimization Algorithm for Structural Damage Identification[J]. Journal of Hehai University (Natural Science Edition), 2018, 46(3): 234-239.
[13] 张国辉, 聂黎, 张利平. 生物地理学优化算法理论及其应用研究综述[J]. 计算机工程与应用, 2015, 51(3): 12-17.
Zhang Guohui, Nie Li, Zhang Liping.Biogeography Optimization Algorithm Theory and Application Research Review[J]. Computer Engineering and Application, 2015, 51(3): 12-17.
[14] 顾键萍, 张明敏, 王梅亮. 基于改进遗传算法的路径选择算法及仿真实现[J]. 系统仿真学报, 2016, 28(8): 1805-1811.
Gu Jianping, Zhang Mingmin, Wang Meiliang.Path Selection Algorithm and Simulation Implementation Based on Improved Genetic Algorithm[J]. Journal of Systems Simulation, 2016, 28(8): 1805-1811.
[15] 李同强, 周天弋, 吴斌. 基于改进遗传算法的加权模糊C均值聚类算法[J]. 计算机应用, 2009, 29(增2): 260-262.
Li Tongqiang, Zhou Tianyi, Wu Bin.Weighted Fuzzy C-means Clustering Algorithm Based on Improved Genetic Algorithm[J]. Computer Applications, 2009, 29(S2): 260-262.
[16] 卢玉宇, 陈建能, 张翔. 一种改进的遗传算法及其收敛性分[J]. 安徽农业大学学报, 2007, 34(4): 608-612.
Lu Yuyu, Chen Jianneng, Zhang Xiang.An improved genetic algorithm and its convergence analysis[J]. Journal of Anhui Agricultural University, 2007, 34(4): 608-612.
[17] 黄光球, 刘权宸, 陆秋琴. 集合种群生物地理学优化算法[J]. 系统仿真学报, 2014, 26(6): 1217-1224.
Huang Guangqiu, Liu Quanchen, Lu Qiuqin.Algorithms for optimization of collective population biogeography[J]. Journal of Systems Simulation, 2014, 26(6): 1217-1224.
[18] 曹建文. 遗传算法收敛性问题研究[J]. 中南林业科技大学学报, 2008, 28(3): 163-167.
Cao Jianwen.Study on Convergence of Genetic Algorithm[J]. Journal of Central South University of Forestry and Technology, 2008, 28(3): 163-167.
[19] Kingman J F C. Finite Markov Processes and Their Applications[J]. Bulletin of the London Mathematical Society (S1469-2120), 1981, 13(3): 250-251.

一种基于GA的新型生物地理学优化算法研究

Research on a Novel Biogeography-Based Optimization Algorithm Based On GA

PDF (PC)

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

本文评价

[1]	李智杰, 石昊琦, 李昌华, 张颉. 基于改进遗传算法的影像中心布局优化方法[J]. 系统仿真学报, 2022, 34(6): 1173-1184.
[2]	付建林, 丁国富, 张剑, 江海凡, 郭沛佩. 基于响应面和NSGA-II的AGV系统多目标优化配置[J]. 系统仿真学报, 2022, 34(5): 994-1002.
[3]	李建锋, 卢迪, 李贺香. 一种改进的原子搜索算法[J]. 系统仿真学报, 2022, 34(3): 490-502.
[4]	王语童, 马世伟, 杨元睿, 陈超宇. 多机器人组合最大覆盖面积寻优及预测方法[J]. 系统仿真学报, 2022, 34(1): 86-92.
[5]	何昕杰, 周少武, 张红强, 吴亮红, 周游. 基于改进遗传算法的四向穿梭车系统订单排序优化[J]. 系统仿真学报, 2021, 33(9): 2166-2179.
[6]	唐婕, 曹瑾鑫. 共享汽车联合调度优化研究[J]. 系统仿真学报, 2021, 33(8): 1959-1968.
[7]	陈芮莹, 王承涛, 刘振元. 考虑服务水平的IT运维人员调度的智能遗传算法[J]. 系统仿真学报, 2021, 33(3): 732-744.
[8]	陆嘉波, 程培星, 黄羿, 姚进强, 杨雪梦, 马新强, 刘勇. 用于时敏目标打击链快速构建的智能方法[J]. 系统仿真学报, 2021, 33(2): 346-357.
[9]	孙国栋, 何其昌. 螺钉机工艺智能化设计与仿真方法研究[J]. 系统仿真学报, 2021, 33(1): 62-73.
[10]	毛李恒, 邓清, 刘柔妮, 孔祥龙. 针对多星多任务仿真调度的关键路径遗传算法[J]. 系统仿真学报, 2021, 33(1): 205-214.
[11]	樊海霞, 陈小惠. 一种连续无创血压预测的改进向量机学习方法[J]. 系统仿真学报, 2020, 32(9): 1686-1692.
[12]	魏乐, 李希金. 基于多目标的含风电场动态环境经济调度[J]. 系统仿真学报, 2020, 32(9): 1825-1830.
[13]	肖运启, 王乙. 基于混合建模仿真的大型风电场降损控制[J]. 系统仿真学报, 2020, 32(9): 1831-1838.
[14]	刘长良, 王梓齐. 基于严格二叉树编码和GA的模糊树结构学习[J]. 系统仿真学报, 2020, 32(8): 1473-1480.
[15]	刘佳佳, 左兴权. 交叉口交通信号灯的模糊控制及优化研究[J]. 系统仿真学报, 2020, 32(12): 2401-2408.