自动化技术论文_基于布朗运动与梯度信息的交替 - 运动精品杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

自动化技术论文_基于布朗运动与梯度信息的交替

作者:

关键词:

摘要：

文章摘要:针对群智能优化算法在优化过程中容易陷入局部最优，种群多样性降低，高维优化困难的问题，提出一种基于布朗运动与梯度信息的交替优化算法（AOABG）。首先，采用全局、局部搜索交替的寻优策略，搜索个体在有变优趋势的范围内切换为局部搜索，有变劣趋势的范围内切换为全局搜索；然后，局部搜索根据梯度信息做均匀分布概率的随机游走，全局搜索依据最优解位置做布朗运动的随机游走。将所提出的AOABG算法与近三年的哈里斯鹰算法（HHO）、麻雀算法（SSA）、特种部队算法（SFA）在10个测试函数上相比。当测试函数维数为2、10时，AOABG在10个测试函数下的100次最终优化结果的均值与均方差均优于HHO、SSA与SFA。当测试函数为30维时，除了HHO在F4上表现优于AOABG（两者优化结果均值处于同一数量级）外，AOABG在其他9个测试函数中表现最好，与上述算法相比，优化结果均值提升了4.64%～94.89%。实验结果表明，AOABG算法在高维函数优化中收敛速度更快、稳定性更好、精度更高。

文章关键词:

论文分类号:TP18

文章来源：《运动精品》网址: http://www.ydjpzz.cn/qikandaodu/2021/1022/2277.html