论文部分内容阅读
和许多经典的群智能算法一样,万有引力搜索算法在解决很多优化问题的时候,容易陷入局部最优解并且收敛精度不高。针对这样的情况,提出一种基于变异策略和反向评估机制的改进万有引力搜索算法。该算法通过引入反向评估机制和变异策略,显著地提高了万有引力搜索算法中粒子的局部寻优能力和全局探索能力。通过对三个标准测试函数进行仿真实验,表明其与基本的万有引力搜索算法、传统粒子群算法相比,提出的基于变异策略和反向评估机制的改进万有引力搜索算法在函数优化问题上具有更好的优化性能。