a - JOUR A2 - Haber, Rodolfo E.， AU - Huang, AU - Li, Xingwang AU - Li, AU - Pu, AU - He, Yunming AU - mingBingyan PY - 2019 DA - 2019/11/16 TI -高斯量子蝙蝠算法方向意味着最佳位置数值函数优化SP - 5652340六世- 2019 AB -研究蝙蝠算法,意味着最佳位置指示(QMBA)是一种新型的蝙蝠算法的变体(BA)具有良好的性能。然而，QMBA算法生成的所有随机系数都具有均匀的概率分布，只能提供相对较小的搜索范围，因此仍面临一定程度的过早收敛。为了帮助蝙蝠摆脱局部最优，本文提出了一种新的具有平均最优位置定向的高斯量子蝙蝠算法(GQMBA)，该算法利用高斯概率分布生成随机数序列。采用高斯分布代替均匀分布生成随机系数是一种提高早熟收敛性能的有效方法。本文将QMBA与高斯概率分布相结合应用于求解数值函数优化问题。采用了19个基准函数，并与其他算法进行了比较，以评价GQMBA算法的准确性和性能。实验结果表明，在大多数情况下，所提出的GQMBA算法能够提供更好的搜索性能。SN - 1687- 5265ur - https://doi.org/10.1155/2019/5652340 DO - 10.1155/2019/5652340 JF -计算智能和神经科学PB - Hindawi KW - ER -