目录
一、基于t分布的自适应黏菌优化算法TSAM
1.1 自适应t分布变异
1.2 建立基于t分布的自适应黏菌优化算法TSAM
二、TSMA伪码表示如下:
三、改进对比
黏菌优化算法灵感来自于黏菌的扩张和觅食行为。主要模拟了黏菌在觅食过程中的行为和形态变化,没有模拟黏菌完整的生命周期。黏菌的觅食行为:黏菌在生长及觅食过程中有许多静脉状管形成静脉状管网络,在其觅食过程,根据空气中食物的气味浓度,通过静脉状管延伸迁移寻找食物,食物浓度越高,黏菌的生物振荡器波越强,细胞质流动越快,黏菌静脉状管越粗,其离开该区域概率越低,其局部搜索能力越强;反之,食物浓度较低,黏菌的生物震荡器波减弱,细胞质流动变慢,静脉状管改变形体,静脉状管变地细而长,全局搜索模式增强,局部搜索能力减弱。黏菌的独特的生物模式(多条静脉状管)可以寻找多种食物来源。
一、基于t分布的自适应黏菌优化算法TSAM
1.1 自适应t分布变异
t分布又称学生分布,含有参数自由度n,t分布曲线形态与自由度n有很大关系,当自由度较小时,曲线中间较平缓,隆起较低,随着自由度的增大,曲线中间部分逐渐隆起,当自由度为正无穷时,褪变为标准正态分布。在模拟仿真中,以迭代次数t作为自由度参数,当t较小时类似柯西变异具有较强的全局搜索能力,后期t较大时类似高斯变异具有较强的局部搜索能力。t分布的变异算子结合了高斯算子和柯西算子的优势,同时提高了算法的全局探索性和局部开发性。
1.2 建立基于t分布的自适应黏菌优化算法TSAM
对黏菌位置更新公式进行改进,当时,用分布算子进行扰动,更新后的公式如下所示:
二、TSMA伪码表示如下:
三、改进对比
实验结果表明,TSMA与SMA两个函数都能找到或接近理论最优解,但是TSMA算法的最优解等于或更接近理论最优解,说明TSMA算法精度高于SMA算法;TSMA算法测试结果的平均值等于或更接近于理论最优解,说明TSMA算法稳定性等于或优于SMA算法,TSMA算法测试结果的标准差小于或等于SMA算法,说明TSMA算法的鲁棒性优于或同于SMA算法。
F1:
The best optimal value of the objective funciton found by TSMA is : 0
The best optimal value of the objective funciton found by SMA is : 0
F5:
The best optimal value of the objective funciton found by TSMA is : 0.060388
The best optimal value of the objective funciton found by SMA is : 1.0547
F8:
The best optimal value of the objective funciton found by TSMA is : -12569.372
The best optimal value of the objective funciton found by SMA is : -12569.2442
F20:
The best optimal value of the objective funciton found by TSMA is : -3.322
The best optimal value of the objective funciton found by SMA is : -3.2031