针对鲸鱼优化算法(whale optimization algorithm,WOA)易陷入局部最优,收敛速度慢和寻优精度低等问题,提出一种融合混沌映射和二次插值的自适应鲸鱼优化算法(adaptive whale optimization algorithm based on chaotic mapping and quadr...针对鲸鱼优化算法(whale optimization algorithm,WOA)易陷入局部最优,收敛速度慢和寻优精度低等问题,提出一种融合混沌映射和二次插值的自适应鲸鱼优化算法(adaptive whale optimization algorithm based on chaotic mapping and quadratic interpolation,CQAWOA)。引入混沌映射在初始化阶段生成新种群,实现种群多样性;设计自适应权重,提高算法全局搜索和局部寻优能力并加快收敛速度;利用二次插值策略生成新的鲸鱼个体,采用贪婪策略更新局部最优解,提高种群计算的精度。通过15个基准函数将改进算法与其它优化算法进行对比测试,测试结果验证了在求解过程中,改进算法寻优速度和求解精度均存在显著提升。展开更多
文摘为解决现有基于同或/或(XNOR/OR)的混合极性Reed-Muller(mixed polarity Reed-Muller,MPRM)电路面积优化方法中存在的收敛速度较慢、不容易跳出局部最优等问题,提出一种基于自适应多策略选择黑猩猩优化算法(adaptive multi-strategy selection chimp optimization algorithm, AMSChOA)的MPRM电路面积优化方法。AMSChOA使用柯西变异、螺旋搜索、随机搜索和翻筋斗策略在4个最优黑猩猩附近进行搜索,扩大算法的搜索范围。针对其他黑猩猩个体加入动态学习因子策略,动态学习4个最优黑猩猩位置,加快算法跳出局部最优。利用提出的AMSChOA对基于XNOR/OR的MPRM电路进行面积优化,搜索电路面积最小时对应的MPRM电路。基于北卡罗来纳微电子中心(Microelectronics Center of North Carolina, MCNC)基准测试电路的试验结果表明,本研究提出的方法有效,与基于传统黑猩猩优化算法、粒子群算法、改进粒子群算法的MPRM电路面积优化方法相比,最高面积优化率为68.09%,平均优化率为41.24%。
文摘针对鲸鱼优化算法(whale optimization algorithm,WOA)易陷入局部最优,收敛速度慢和寻优精度低等问题,提出一种融合混沌映射和二次插值的自适应鲸鱼优化算法(adaptive whale optimization algorithm based on chaotic mapping and quadratic interpolation,CQAWOA)。引入混沌映射在初始化阶段生成新种群,实现种群多样性;设计自适应权重,提高算法全局搜索和局部寻优能力并加快收敛速度;利用二次插值策略生成新的鲸鱼个体,采用贪婪策略更新局部最优解,提高种群计算的精度。通过15个基准函数将改进算法与其它优化算法进行对比测试,测试结果验证了在求解过程中,改进算法寻优速度和求解精度均存在显著提升。
