论文部分内容阅读
提出一种反向学习和声搜索(OLHS)算法,该算法设计了随机位置更新操作,进一步提高算法的全局搜索能力;融合了反向学习技术,拓宽解空间的开发,增加解的多样性;引进了小概率变异策略,平衡算法的聚集和发散过程,防止算法陷入局部最优;采用了模拟退火选择机制,推动和声记忆库的更新,增加新解的有效利用.对10个高维标准函数进行了测试,同基本和声搜索算法及最近文献中提出的7种优秀改进和声搜索算法相比较,结果表明本文算法具有更好的优化性能.最后,分析了关键参数F和Pm对算法优化性能的影响.