论文研究-基于邻域引力学习的生物地理学优化算法.pdf下载

针对生物地理学优化算法（Biogeography-Based Optimization，BBO）易发生早熟收敛、陷入局部最优的问题，提出一种基于邻域引力学习的生物地理学优化算法（Neighbor Force Learning Biogeography-Based Optimization，NFBBO）。该算法采用邻域选择的方法确定迁出栖息地，以充分利用栖息地的邻域信息，增加算法的种群多样性。同时采用引力学习策略对栖息地进行更新，拓展搜索空间，提高算法的搜索能力，避免早熟收敛问题。为使种群能够自适应地跳出局部最优，引入一种自适应高斯变异机制。基于高维标准测试函数的对比实验表明，NFBBO算法具有更快的收敛速度和更高的收敛精度。