求解最优化问题的新型最有价值球员算法

摘要

最有价值球员算法(Most Valuable Player Algorithm,MVPA)是一种模拟体育比赛的新型智能优化算法.针对该算法在求解复杂优化问题时存在寻优精度低、收敛速度慢等问题,提出了一种新型最有价值球员算法(Novel MVPA).在个体竞争公式中,引入自适应的个体经验权重和群体经验权重,以实现全局探索和局部开发能力的平衡;在队伍竞争阶段,当队伍输了比赛以后采用基于云模型的变异操作来更新队伍,降低算法陷入局部最优解的概率,从而提高算法的计算精度和优化速度.采用20个测试函数进行数值实验.结果 表明,与基本最有价值球员算法、粒子群算法和遗传算法相比,新算法具有更高的寻优精度和更快的优化速度.