资 源 简 介
针对基础磷虾群（KH）算法在求解复杂函数优化问题时局部搜索能力差、求解精度低、收敛速度慢、容易陷入局部最优等问题，提出一种基于动态压力控制算子的磷虾群算法（DPCKH）。该算法将一种新的动态压力控制算子加入了标准磷虾群算法，使其处理复杂函数优化问题更有效。动态压力控制算子通过欧氏距离量化了多个不同优秀个体对目标个体的诱导效应，进而在优秀个体附近加速产生新磷虾个体，提高了磷虾个体的局部探索能力。通过比较蚁群算法（ACO）、差分进化算法（DE）、碎虾群算法（KH）、 改进的磷虾群算法（KHLD）和粒子群算法（PSO），DPCKH算法在7个测试函数上的结果表明，DPCKH算法与ACO算法、DE算法、KH算法、KHLD算法和PSO算法相比有着更强的局部勘测能力，其开采能力更强。
群智能优化算法是求解复杂的实际优化问题的一种计算方法。该类算法从仿生学的角度，模拟自然界中生物生活习性在定义域中快速寻找目标问题的最优解，具有可扩展性、自适应性和并行性等多种优点。目前，群智能优化算法被广泛地应用于求解复杂的优化问题中，包括有：蚁群优化（ Ant Colony OptimizaTIon， ACO）算法、粒子群优化（ ParTIcleSwarm OpTImizaTIon， PSO）算法、人工蜂群（ Artificial BeeColony， ABC）算法、遗传算法（ Genetic Algorithm， GA）、差分进化（ Differential Evolution， DE）算法等。
