基于邻域引力学习的生物地理学优化算法

来源：计算机工程与应用杂志2018年第22期北京时间：

作者：马 萍1，2，刘思含3，孙根云1，2，张爱竹1，2，郝艳玲1，2

单位：1.中国石油大学（华东） 地球科学与技术学院，山东 青岛 266580；2.青岛海洋国家实验室 海洋矿产资源评价与探测技术功能实验室，山东 青岛 266071；3.环境保护部卫星环境应用中心 国家环境保护卫星遥感重点实验室，北京 100094

摘要：针对生物地理学优化算法（Biogeography-Based Optimization，BBO）易发生早熟收敛、陷入局部最优的问题，提出一种基于邻域引力学习的生物地理学优化算法（Neighbor Force Learning Biogeography-Based Optimization，NFBBO）。该算法采用邻域选择的方法确定迁出栖息地，以充分利用栖息地的邻域信息，增加算法的种群多样性。同时采用引力学习策略对栖息地进行更新，拓展搜索空间，提高算法的搜索能力，避免早熟收敛问题。为使种群能够自适应地跳出局部最优，引入一种自适应高斯变异机制。基于高维标准测试函数的对比实验表明，NFBBO算法具有更快的收敛速度和更高的收敛精度。

关键词：生物地理学优化算法,邻域选择,引力学习,自适应高斯变异机制