-
题名应用精英反向学习的混合烟花爆炸优化算法
被引量：19
- 1
-
-
作者
王培崇
高文超
钱旭
苟海燕
汪慎文
-
机构
中国矿业大学(北京)机电与信息工程学院
石家庄经济学院信息工程学院
清华大学计算机系
石家庄经济学院华信学院
-
出处
《计算机应用》
CSCD
北大核心
2014年第10期2886-2890,共5页
-
基金
教育部博士点建设基金资助项目(20110023110002)
河北省科技支撑计划项目(13214711
+4 种基金
13210331)
河北省教育厅基金资助项目(QN20131053)
河北省青年拔尖人才支持计划项目(河北省委[2013])
石家庄经济学院基金预研项目(syy201310)
博士科研基金资助项目(BQ201322)
-
文摘
针对烟花爆炸优化(FEO)算法容易早熟、解精度低的弱点,提出了一种精英反向学习(OBL)的解空间搜索策略。在每次迭代过程中均对当前最佳个体执行反向学习,生成其动态搜索边界内的反向搜索种群,引导算法向包含全局最优的解空间逼近,以提高算法的平衡和探索能力。为了保持种群的多样性,计算种群内个体对当前最佳个体的突跳概率,并依据此概率值采用轮盘赌机制选择进入子种群的个体。通过在5组标准测试函数的实验仿真并与相关的算法对比,结果表明所提出的改进算法对数值优化具有更高的收敛速度和收敛精度,适合求解高维的数值优化问题。
-
关键词
烟花爆炸优化
精英个体
反向学习
轮盘赌选择
-
Keywords
Fireworks Explosion Optimization （FEO）
elite individual
Opposition-Based Learning （OBL）
roulette
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于烟花爆炸优化算法的测试数据生成方法
被引量：5
- 2
-
-
作者
丁蕊
董红斌
冯宪彬
赵佳华
-
机构
牡丹江师范学院计算机与信息技术学院
哈尔滨工程大学计算机科学与技术学院
黑龙江工商学院计算机科学与技术系
-
出处
《计算机应用》
CSCD
北大核心
2016年第10期2816-2821,共6页
-
基金
国家自然科学基金资助项目(61472095
61272186
+3 种基金
61573362)
牡丹江师范学院博士科研启动基金资助项目(MNUB201414)
牡丹江师范学院科学技术研究项目(QN201603
QY2014003)~~
-
文摘
针对面向路径覆盖的测试数据生成问题,提出基于烟花爆炸优化算法的测试数据生成方法。首先使用关键点路径表示法表示路径,由理论路径、易覆盖路径和不可行路径得出难覆盖路径,并记录难覆盖路径邻近的易覆盖路径及其测试数据。这些测试数据将作为部分初始烟花以利用其提供的启发信息,其余初始烟花则随机生成。接着根据个体的适应度值设计自适应策略的爆炸半径以提高收敛速度,对爆炸产生的越界火花则使用边界值测试的思想进行修正。与加了启发信息的自适应爆炸半径的烟花算法(NFEO算法)、烟花爆炸优化(FEO)算法、F-method、NFmethod等七种基于优化的测试数据生成算法进行了仿真对比实验,实验结果表明:所提算法在测试数据生成时间和迭代次数上都最优。
-
关键词
烟花爆炸优化算法
覆盖测试
难覆盖路径
测试数据生成
自适应参数
-
Keywords
fireworks explosion optimization algorithm
coverage testing
hard-covered path
software testing data generation
adaptive parameter
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种增强型多目标烟花爆炸优化算法
被引量：5
- 3
-
-
作者
谢承旺
许雷
汪慎文
肖驰
夏学文
-
机构
华东交通大学软件学院
河北地质大学信息工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2017年第10期2323-2331,共9页
-
基金
国家自然科学基金(No.61763010
No.61165004
+10 种基金
No.61402481
No.61663009)
江西省自然科学基金(No.20114BAB201025
No.20151BAB207022
No.20161BAB202064)
河北省青年拔尖人才支持计划(冀字[2013]17号)
河北省自然科学基金(No.F2015403046)
科学计算与智能信息处理广西高校重点实验室(No.GXSCIIP201604)
江西省教育厅科技项目(No.GJJ12307
No.GJJ14373
No.GJJ150539)
-
文摘
现实中多目标优化问题的多样化和复杂化要求发展新的多目标优化算法.在混合多目标进化算法设计思想和新型进化模型的启发下,提出一种增强型多目标烟花爆炸算法eMOFEOA,该算法利用均匀化与随机化相结合的方法生成均匀分布的初始种群,为算法后续搜索提供较好的起始点;对烟花爆炸半径采用精细化控制策略,即不同世代的种群具有不同的爆炸半径,而且同一种群内部因个体支配强度的差异而具有不同的爆炸半径,以节省计算资源;利用简化的k-最近邻方法维持外部档案的多样性.本文算法与另5种对等比较算法一同在12个基准多目标测试函数上进行性能比较,实验结果表明eMOFEOA算法在收敛性、多样性和稳定性上具有总体上显著的性能优势.
-
关键词
烟花爆炸优化
多目标优化算法
半径精细化控制
-
Keywords
fireworks explosion optimization
multi-objective evolutionay algorithm
radius fine-controlled
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名应用精英反向学习的多目标烟花爆炸算法
被引量：20
- 4
-
-
作者
谢承旺
许雷
赵怀瑞
夏学文
魏波
-
机构
华东交通大学软件学院
江西科技师范大学数学与计算机学院
华东交通大学轨道交通学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2016年第5期1180-1188,共9页
-
基金
国家自然科学基金(No.61165004)
江西省自然科学基金(No.20114BAB201025
+2 种基金
No.20151BAB207022)
江西省教育厅科技项目(No.GJJ12307
No.GJJ14373)
-
文摘
现实中的多目标优化问题越来越多,而且日益复杂.受混合多目标优化算法设计思想的启发,将烟花爆炸方法和精英反向学习机制引入至多目标优化领域,提出一种应用精英反向学习的多目标烟花爆炸算法(Multi-Objective Fireworks Optimization Algorithm Using Elite Opposition-Based Learning,MOFAEOL).该算法利用精英反向学习策略加强算法的全局搜索能力,利用烟花爆炸方法增强算法的局部搜索能力并提高求解的精度.这两种搜索机制相互协同以更好地平衡算法的全局勘探和局部开采的能力.MOFAEOL算法与另外5种代表性多目标优化算法一同在由ZDT系列和DTLZ系列组成的测试集上进行性能比较.实验表明,MOFAEOL算法在收敛性、多样性和稳定性方面均优于或部分优于其他对比算法.
-
关键词
烟花爆炸优化
精英反向学习
多目标优化算法
-
Keywords
fireworks explosion optimization
elite opposition-based leaming
multi-objective evolutionary algorithm
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
