36、基于岛屿模型的元启发式算法混合方法

基于岛屿模型的元启发式算法混合方法

在优化算法领域，为了提升算法性能和解决复杂问题，研究人员不断探索新的方法。本文介绍了基于岛屿模型的元启发式算法混合方法，通过结合不同算法的优势，提高了算法的多样性和收敛性能。

1. 基础算法介绍

• 遗传算法（GA） ：采用锦标赛选择、单点交叉和单点变异操作，锦标赛规模设为 2。
• 粒子群优化算法（PSO） ：受昆虫、鸟类和鱼类在自然界中寻找食物的行为启发。每个候选解称为一个粒子，对应群体中的一个个体。粒子根据自身历史最优位置和当前全局最优位置更新自身位置，迭代公式如下：
  • (v_i = w * v_{i - 1} + c_1 * rand() * (pbest_i - x_i) + c_2 * rand() * (gbest - x_i))
  • (x_i = x_{i - 1} + v_i)
    为避免搜索空间过小或过大，在位置迭代中添加阈值，公式改写为：
  • (x_i = \begin{cases} x_{i - 1} + v_i, & |x_i| \geq Thrpso_{min} \text{ 或 } |x_i| \leq Thrpso_{max} \ \pm Thrpso_{min}, & |x_i| < Thrpso_{min} \ \pm Thrpso_{max}, & |x_i| > Thrpso_{max} \end{cases})
• 烟花算法（FWA）