基于极值动力学机制和信息融合搜索的混合算法及其应用

摘要

提出了一种新的基于自适应l(e)vy变异的极值动力学和信息融合搜索的混合算法。新算法将全局搜索和局部搜索机制有机地结合起来,在全局搜索过程中，信息融合搜索算法（IFA)作为一种群智能进化算法，能够快速地逼近近似最优解；在局部搜索过程中，通过选择近似解的最差组元进行自适应l(e)vy变异，利用极值动力学算法(EO)强大的局部搜索能力，协助IFA跳出局部极值点。将其运用于超临界水氧化去除率神经网络软测量建模，实验结果表明了方法的有效性和实用性。