基于状态转移和模糊思考的迁徙优化算法

摘要

基于现有的动物迁徙算法(AMO),提出基于状态转移和模糊思考的迁徙优化算法(SMO)来解决全局优化问题.SM O算法中引入了状态模型和模糊对立模型.首先,状态模型中使用两种状态(分散状态和集中状态)来描述种群分布.在分散状态下,群体随机分布于解空间中,因此,使用概率决策的方式探索解空间,这个过程属于空间探索;随着个体之间的相互学习,个体之间的差异已经很小,群体进入集中状态,此时使用基于步长的搜索策略来调节个体位置,这个过程属于局部勘探.因此,将二者结合可以平衡空间探索和局部勘探功能.其次,算法使用了模糊对立模型,充分利用个体的模糊对立位置,增加了群体的多样性,提高了算法的收敛精度.然后,从理论上证明了该算法的收敛性,并且使用12个基准测试函数来验证算法的性能.最后,将该算法与其他优化算法进行比较,实验结果验证了该算法在优化问题上的有效性.