通用模拟退火优化算法的 Julia 代码。该代码可以找到连续变量的多模态函数的全局最大值（或最小值）。
使用‘模拟退火’算法最小化连续变量的多模态函数，本文的勘误表可在此处获得
该代码是通用的，可以应用于具有任意数量参数的优化问题。优化参数的个数称为优化空间的维度（代码中用变量“D”表示）。要使用代码，必须定义优化空间的维度和边界
算法最大化函数fitness.jl。存储库中存在的 Fitness.jl 文件中实现了一组基准函数。用户可以使用他/她自己的健身功能。适应度函数的输出需要是单个标量值。对于自定义适应度函数，主优化代码中只需要很少的调整。只有维度 (D) 和边界（数组 bL 和 bU）必须根据适应度函数进行调整。代码应该可以正常工作，无需任何进一步的修改。
优化算法的行为由代码中的以下参数决定：
gmax = 1000; # Maximum number of generations (max iteration number)
Ns = 20; # tests for step variation
NT
2022-06-10 09:06:35
48KB
分析了粒子群优化算法的收敛性,指出它在满足收敛性的前提下种群多样性趋于减小, 粒子将会因速度降低而失去继续搜索可行解的能力;提出混沌粒子群优化算法, 该算法在满足收敛性的条件下利用混沌特性提高种群的多样性和粒子搜索的遍历性, 将混沌状态引入到优化变量使粒子获得持续搜索的能力.实验结果表明混沌粒子群优化算法是有效的,与粒子群优化算法、遗传算法、模拟退火相比,特别是针对高维、多模态函数优化问题取得了明显改善.
2022-06-01 14:58:49
445KB
1