北京航空航天大学学报 ›› 2020, Vol. 46 ›› Issue (12): 2348-2356.doi: 10.13700/j.bh.1001-5965.2019.0603

• 论文 • 上一篇    下一篇

基于自适应学习策略的改进鸽群优化算法

胡耀龙, 冯强, 海星朔, 任羿   

  1. 北京航空航天大学 可靠性与系统工程学院, 北京 100083
  • 收稿日期:2019-11-25 发布日期:2020-12-28
  • 通讯作者: 冯强 E-mail:fengqiang@buaa.edu.cn
  • 作者简介:胡耀龙,男,硕士研究生。主要研究方向:通用质量特性综合设计与仿真优化、多智能体理论、智能优化算法;冯强,男,博士,副研究员。主要研究方向:效能设计、通用质量特性综合设计与仿真优化、多智能体理论;海星朔,男,博士研究生。主要研究方向:体系可靠性建模与仿真、多智能体理论、智能优化算法;任羿,男,博士,教授。主要研究方向:性能与可靠性综合设计、故障预测和健康管理。
  • 基金资助:
    装备预研领域基金(61400020109)

Improved pigeon-inspired optimization algorithm based on adaptive learning strategy

HU Yaolong, FENG Qiang, HAI Xingshuo, REN Yi   

  1. School of Reliability and Systems Engineering, Beihang University, Beijing 100083, China
  • Received:2019-11-25 Published:2020-12-28

摘要: 鸽群优化(PIO)算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化(ALPIO)算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。

关键词: 鸽群优化(PIO)算法, 局部最优, 自适应学习策略, 种群多样性, 全局最优

Abstract: Pigeon-Inspired Optimization (PIO) algorithm has been widely used in the field of UAV formation and control parameter optimization, but the standard PIO algorithm is easy to fall into local optimum. This paper proposes an Adaptive Learning Pigeon-Inspired Optimization (ALPIO) algorithm. The algorithm introduces a tolerance-based search direction adjustment strategy, a self-learning candidate generation strategy, and a competitive learning based prediction strategy. By enhancing the diversity of the population, the global optimal probability of the algorithm can be improved. The algorithm has been tested on eight benchmark functions. The simulation results show that the convergence accuracy and convergence speed of the algorithm in the multi-peak function optimization problem are significantly improved, and it can effectively avoid falling into the local optimal solution.

Key words: Pigeon-Inspired Optimization (PIO) algorithm, local optimum, adaptive learning strategy, population diversity, global optimum

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发