蝙蝠算法的改進與應用.pdf

1、蝙蝠算法(Bat Algorithm，BA)是劍橋大學學者Yang通過模擬蝙蝠回聲定位行為于2010提出的一種新的元啟發(fā)式搜索算法，BA的原理是通過把蝙蝠個體當成搜索空間的解，通過調整蝙蝠個體的響度和脈沖率，追隨當前解空間中的最優(yōu)蝙蝠，從而整個種群產生從無序到有序的搜索過程。蝙蝠算法具有較強的全局搜索能力和收斂速度，但它也和其他全局優(yōu)化算法一樣，存在易陷入局部最優(yōu)解，解精度不高等問題。
　　本文首先對蝙蝠算法的國內外研究現狀與算法

2、原理、流程進行了詳細描述，并通過實驗數據分析了算法中的參數r0和fmax的作用，在分析的基礎上，對蝙蝠算法進行了改進，提出了兩種改進策略。本文的研究工作主要有:
　　(1)論文以求解最優(yōu)化問題的描述作為引入，接著介紹了元啟發(fā)式搜索算法的原理和特性，然后介紹了蝙蝠算法在國內外的研究現狀，并詳細說明了蝙蝠算法的流程和具體實現。之后分析了蝙蝠算法中的相關參數r0和fmax的作用，為后面兩章的算法改進做了準備工作。
　　(2)根據蝙

3、蝠算法的缺陷，提出了變權混沌蝙蝠算法，通過變慣性權因子調節(jié)蝙蝠的運動速度，而加入混沌機制的局部搜索，可以增強算法的局部搜索能力。通過實驗數據，對比了它和蝙蝠算法、基于差分進化的蝙蝠算法的求解能力，并分析了在不同維度下，三種算法的求解精度變化。
　　(3)在變權混沌蝙蝠算法的基礎上，把差分進化思想融入到蝙蝠算法中，提出一種基于二次差分進化的混合蝙蝠算法，兩種不同的差分方式分別增強了蝙蝠算法的全局搜索和局部搜索能力。通過實驗表明了改進