基于模拟退火的改进分布估计算法研究

摘要

针对分布估计算法(EDA)局部搜索能力弱、迭代后期不易跳出局部最优解的缺点,提出一种基于模拟退火的改进分布估计算法(SA-EDA)。SA-EDA在迭代初期保留EDA的优点,能够快速收敛,全局寻优能力强;在迭代后期算法停滞时则采用模拟退火机制,利用Metropolis接受准则能以一定概率接受较劣解的特点,增加种群多样性,使算法跳出当前最优,并进一步搜索全局最优解。通过六个测试函数的检验结果表明,与EDA和粒子群算法(PSO)相比,SA-EDA收敛精度更好,稳定性更强,并具备比EDA更快的收敛速度,寻优性能更佳。