基于蝙蝠声纳原理的智能优化解算法
摘要：一种新的智能算法用于解决在状态空间中寻找最优解的问题。该算法模仿蝙蝠声纳寻找目标的原理。算法引入了三种搜索方法。第一种搜索方法考虑一个具有固定波束长度和一个起始点的单声纳单元(SSU)。虽然该方法的结果收敛到最佳适应度值，但并不能保证找到全局最优解，尤其对于复杂问题而言，它更倾向于找到“相对较好”的解。第二种方法是考虑在同一状态空间中并行工作的多声纳单元(MSU)。每个单元都有自己的起始点，尝试寻找最优解。这种方法使得算法收敛到最佳解的概率显著增加。研究发现，这种方法适用于复杂函数和较大状态空间的问题。第三种方法是使用带有动量的单声纳单元(SSM)，用来处理收敛到局部最优解而非全局最优解的问题。动量项被加入到传输波束的长度中。这将使得算法有机会在更广泛的状态空间范围内找到最佳适应度值。在本文中对比了提出的算法与遗传算法(GA)的性能。结果显示，两种算法都能够在所有的测试函数中接近于找到最优解，除了具有局部极小值的函数，其中提出的算法的结果比GA算法要好得多。另一方面，对比结果还显示，使用提出的算法获取最优解所需的执行时间要比使用GA算法要少得多。
作者：Mohammed Ali Tawfeeq
论文ID：1211.0730
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2012-11-06