一种模拟羊群行为的新型群集智能算法

曲大鹏; 许伦祥; 鲁垚光; 原晓坤; 黄敏; 王兴伟

doi:10.3969/j.issn.0372-2112.2018.06.004

您当前的位置：

首页 >

文章列表页 >

一种模拟羊群行为的新型群集智能算法

学术论文 | 更新时间：2025-07-08

- 一种模拟羊群行为的新型群集智能算法
- A New Swarm Intelligence Algorithm by Simulating Sheep Behaviors
- 电子学报 2018年46卷第6期页码：1300-1305
- 作者机构：
  
  1. 辽宁大学信息学院,辽宁,沈阳,110036
  2. 东北大学计算机科学与工程学院,辽宁,沈阳,110169
  3. 东北大学信息科学与工程学院,辽宁,沈阳,110169
  4. 东北大学软件学院,辽宁,沈阳,110169
  5. 辽宁大学信息学院,辽宁,沈阳,110036
  6. 东北大学计算机科学与工程学院,辽宁,沈阳,110169
  7. 东北大学信息科学与工程学院,辽宁,沈阳,110169
  8. 东北大学软件学院,辽宁,沈阳,110169
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61572123）;国家杰出青年科学基金 (No.71325002）;国家自然科学基金重点国际合作研究项目 (No.71620107003）;教育部-中国移动科研基金 (No.MCM20160201）;辽宁省博士科研启动基金 (No.20170520323）;辽宁大学博士科研启动项目
- DOI：10.3969/j.issn.0372-2112.2018.06.004
  中图分类号： O224
- 网络出版：2018-06-25，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
曲大鹏, 许伦祥, 鲁垚光, 等. 一种模拟羊群行为的新型群集智能算法[J]. 电子学报, 2018,46(6):1300-1305.

A New Swarm Intelligence Algorithm by Simulating Sheep Behaviors[J]. Acta Electronica Sinica, 2018, 46(6): 1300-1305.
曲大鹏, 许伦祥, 鲁垚光, 等. 一种模拟羊群行为的新型群集智能算法[J]. 电子学报, 2018,46(6):1300-1305. DOI： 10.3969/j.issn.0372-2112.2018.06.004.

A New Swarm Intelligence Algorithm by Simulating Sheep Behaviors[J]. Acta Electronica Sinica, 2018, 46(6): 1300-1305. DOI： 10.3969/j.issn.0372-2112.2018.06.004.

摘要

针对当前多种群集智能算法往往包含过多策略而掩盖算法核心机理的现状，设计了一种模拟羊群行为的新型群集智能算法.该算法从群集智能算法的核心出发，通过分别模拟羊群的三类行为：头羊引领、羊群互动和牧羊犬监督，设计群集智能算法中相对应的三种策略：全局探索、局部开发和跳出局部优化.基准测试函数的实验结果表明，较之粒子群算法，该算法能获得更高质量的解，同时具有更快的收敛速度和更好的稳定性.

Abstract

The status of current various swarm intelligence algorithms contains many strategies which cover their core issues

therefore

a new swarm intelligence algorithm by simulating sheep behaviors optimization (SO) is devised.Based on the core of swarm intelligence algorithms

SO designs three kinds of strategies

namely global exploration

local exploitation and escaping from local optimization

by simulating three different kinds of corresponding sheep behaviors

namely bellwether guidance

moving to each other

and shepherd dog supervision respectively.The experimental results of benchmark test functions demonstrate that

compared with particle swarm optimization

SO gets better solution

faster convergence speed and better stability.

关键词

Keywords

references

浏览量

1040

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据