×
达尼洛·佩卢西；拉斐尔·马斯切拉；卢卡·塔利尼

基于进化模糊系统的改进引力搜索算法。 （英语） Zbl 1461.90191号

算法（巴塞尔协议） 10，第2号，第44号文件，第19页（2017）.
摘要：最佳优化算法的选择是一个难题，有时取决于具体问题。万有引力搜索算法（GSA）是一种基于万有引力定律的搜索算法，它表明每个粒子都会以一种称为引力的力吸引其他粒子。使用智能技术提出了GSA的一些修订版本。本文提出了一些基于进化方法支持的模糊技术的GSA版本，如遗传算法（GA）、粒子群优化（PSO）和差分进化（DE），以改进GSA。所设计的算法通过模糊控制器调节GSA的合适参数，模糊控制器的隶属度函数由GA、PSO和DE优化。结果表明，DE优化的模糊重力搜索算法（FGSA）对单峰函数是最优的，而GA优化的FGSA对多峰函数是良好的。

引用于2文件

MSC公司：

90 C59 数学规划中的近似方法和启发式

关键词：

引力搜索算法；模糊系统；进化算法

软件：

基因科普；全球标准协会；BGSA公司
PDF格式BibTeX公司 XML格式引用
\textit{D.Pelusi}等人，《算法（巴塞尔）》10，第2期，第44号论文，第19页（2017年；Zbl 1461.90191）
全文： 内政部

参考文献：

[1] 艾本，A.E。；Hinterding，R。；Michalewicz，Z。；进化算法中的参数控制；IEEE传输。进化。计算：1999; 第3卷，47-75。
[2] O.蒙蒂尔。；O.卡斯蒂略。；梅林，P。；罗德里格斯·迪亚兹，A。；塞普尔维达，R。；人类进化模型：一种新的优化方法；信息科学：2007; 第177卷，2075-2098。
[3] O.卡斯蒂略。；瓦尔迪兹，F。；梅林，P。；模糊控制系统拓扑优化的递阶遗传算法；国际期刊通用系统：2007; 第36卷，575-591·Zbl 1220.93044号
[4] Holland，J；自然和人工系统中的适应：生物学、控制和人工智能应用的介绍性分析：美国马萨诸塞州剑桥，1992年。
[5] Tang，K.S。；曼，K.F。；Kwong，S。；何，Q。；遗传算法及其应用；IEEE信号处理。杂志：1996；第13卷，22-37。
[6] 佩卢西，D。；基于遗传算法的模糊控制器优化；智能人机系统和控制论国际会议论文集：；第2卷，143-146。
[7] 佩卢西，D。；马塞拉，R。；二阶系统的最优控制算法；J.计算。科学：2013; 第9卷，183-197年。
[8] 佩卢西，D。；利用遗传和神经模糊技术设计最优控制系统；信号处理与信息技术国际研讨会论文集：，134-139.
[9] 佩卢西，D。；巴斯克斯，L。；迪亚兹，D。；马塞拉，R。；汽包锅炉仿真动态的模糊算法控制效果；第36届国际电信和信号处理会议记录：，272-276.
[10] 肯尼迪，J。；R.C.埃伯哈特。；粒子群算法；IEEE神经网络国际会议论文集：；第4卷，1942-1948年。
[11] 任，Z。；张，A。；温，C。；Z.Feng。；多模态问题的分散学习粒子群优化算法，控制论；IEEE传输。网络：2014年；第44卷，1127-1140。
[12] Shin，Y.-B。；Kita，E。；利用次优粒子信息提高粒子群优化算法的搜索性能；申请。数学。计算：2014年；第246卷，346-354·Zbl 1338.90477号
[13] 吴，G。；邱，D。；Yu，Y。；佩德里茨，W。；马，M。；李，H。；结合局部搜索技术的最优解引导粒子群算法；专家系统。申请：2014年；第41卷，7536-7548。
[14] Wu，T.H。；Chang，C.C。；Chung，C.H。；制造单元形成问题的模拟退火算法；专家系统。申请：2008; 第34卷，1609-1617。
[15] Yu，X。；张，X。；增强型综合学习粒子群算法；申请。数学。计算：2014年；第242卷，第265-276页·Zbl 1334.90217号
[16] 斯托恩，R。；价格，K。；微分进化——连续空间上全局优化的一种简单有效的启发式算法；J.全球。最佳方案：1997; 第11卷，341-359·Zbl 0888.90135号
[17] 范，Q。；严，X。；离散变异控制参数的自适应差分进化算法；专家系统。申请：2015; 第42卷，1551-1572。
[18] 范，Y。；梁，Q。；刘，C。；严，X。；差分进化算法中的自适应控制参数具有多父交叉；国际期刊计算。科学。数学。：2015; 第6卷，40-48·Zbl 1453.90193号
[19] Goudos，S.K.公司。；Z.D.扎哈里斯。；Yioultsis，T.V.公司。；策略自适应差分进化算法在无线通信多波段微波滤波器设计中的应用；掠夺。电动发电机。决议：2010年；第109123-137卷。
[20] Li，Y.-L。；詹，Z.-H。；龚义杰（Gong，Y.-J.）。；陈，W.N。；张杰。；李毅。；具有进化路径的差分进化：一种深度进化算法；IEEE传输。网络：2015; 第45卷，1798-1810。
[21] 李，X。；尹，M。；差分进化算法在自电位数据中的应用；《公共科学图书馆·综合》：2012年；第7卷。
[22] Rashedi，E。；Nezamabadi-pour，H。；Saryazdi，S。；GSA：一种引力搜索算法；信息科学：2009年；第179卷，第2232-2248页·Zbl 1177.90378号
[23] Holliday，D。；Resnick，R。；沃克，J；物理基础：霍博肯，新泽西州，美国1993年。
[24] Askari，H。；Zahiri，S.H。；基于Fuzzy-GSA的数据分类；国际计算机与知识工程电子会议论文集：，6-11.
[25] Zahiri，S.H。；模糊引力搜索算法——一种数据挖掘方法；伊朗。J.模糊系统：2012; 第9卷，21-37·Zbl 1260.68385号
[26] Saeidi-Khabisi，F.S。；Rashedi，E。；模糊引力搜索算法；国际计算机和知识工程电子会议论文集：，156-160.
[27] Sombra，A。；瓦尔迪兹，F。；梅林，P。；O.卡斯蒂略。；基于模糊逻辑的参数自适应引力搜索算法；IEEE进化计算大会会议记录：，1068-1074.
[28] 阿莫泽加，M。；Rashedi，E。；基于DOE的GSA参数整定；国际计算机与知识工程电子会议论文集：。
[29] 阿维谢克，P。；Maiti，J。；基于马氏距离和二进制粒子群优化的马氏-田口系统降维混合方法研究；专家系统。申请：2010; 第37卷，1286-1293。
[30] 贝雷塔，M。；Burczynski，T。；基于混合免疫算法的心电信号特征选择与分类中二进制与实值编码的比较；工程应用。Artif公司。智力：2007; 第20卷，571-585。
[31] Chuang，L.H。；H.W.Chang。；涂，C.J。；基于基因表达数据的改进二进制粒子群算法特征选择；计算。生物化学：2008; 第32卷，第29-38页·Zbl 1142.92319号
[32] 斯里尼瓦萨，K.G。；K.R.Venugopal。；Patnaik，L.M。；一种用于数据挖掘的自适应迁移模型遗传算法；信息科学：2007; 第177卷，第4295-4313页·Zbl 1119.68389号
[33] 袁，X。；聂，H。；苏，A。；Wang，L。；袁，Y。；机组组合问题的改进二进制粒子群算法；专家系统。申请：2009年；第36卷，8049-8055。
[34] 王，X。；杨，J。；滕，X。；夏，W。；Jensen，R。；基于粗糙集和粒子群优化的特征选择；模式识别。信函：2007; 第28卷，459-471。
[35] Rashedi，E。；Nezamabadi-pour，H。；Saryazdi，S。；BGSA：二进制引力搜索算法；自然计算：2010; 第9卷，727-745·Zbl 1211.68140号
[36] Schutz，B；地心引力：剑桥，英国2003。
[37] Shi，Y。；埃伯哈特，R。；陈，Y。；进化模糊系统的实现；IEEE传输。模糊系统：1999; 第7卷，109-119。
[38] 塞恩斯，M。；Roubos，H。；GA-Fuzzy建模与分类：复杂性与性能；IEEE传输。模糊系统：2000; 第8卷，509-522。
[39] Michalewicz，Z；遗传算法+数据结构=进化程序：纽约，纽约，美国1994年·兹伯利0818.68017
[40] Goldberg，D.E；搜索、优化和机器学习中的遗传算法。阅读：美国马萨诸塞州波士顿，1989年·Zbl 0721.68056号
[41] Koza，J.R；遗传程序设计：关于利用自然选择进行计算机程序设计：美国马萨诸塞州剑桥市，1992年·Zbl 0850.68161号
[42] 彼得里迪斯，V。；Kazarlis，S。；Bakirtzis，A。；遗传算法约束优化中的变适应度函数：下料和机组组合问题；IEEE传输。系统。网络人：1998; 第28卷，第629页。
[43] Banzhaf，W。；诺丁，P。；凯勒，R.E。；Francone，F.D；《遗传编程：导论》：加州圣马特奥，美国1998年·Zbl 0893.68117号
[44] 米切尔，M；遗传算法导论：剑桥，马萨诸塞州，美国1999·Zbl 0906.68113号
[45] Zitzler，E。；Deb，K。；Thiele，L。；多目标进化算法的比较：实证结果；进化。计算：2000; 第8卷，173-195。
[46] 鲁道夫；部分有序集下的进化搜索：多特蒙德，德国1999。
[47] Angeline，P.J；遗传编程的两个自适应交叉算子，《遗传编程进展2》：剑桥，马萨诸塞州，美国1996年。
[48] 姚，X。；刘，Y。；林·G。；进化编程速度更快；IEEE传输。进化。计算：1999; 第3卷，82-102。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。