y - JOUR A2 - Li, xiangaushan, Xian AU - Liu, Kang AU - Sun，SP - 8031560vl - 2016 AB - Bat算法(BA)是一种被广泛应用于解决学术和现实生活中的优化问题的群智能算法。但由于勘探与开采之间缺乏良好的平衡，BA有时无法找到全局最优，容易陷入局部最优。为了克服Bat算法在求解优化问题时存在的早熟问题，提高其局部搜索能力，提出了一种改进的OBMLBA算法。在该算法中，引入了一个改进的搜索方程来生成候选解，并将Lévy Flight random walk与BA结合，以避免陷入局部最优。此外，将基于对立的学习(OBL)的概念嵌入到基于对立的学习中，增强了基于对立的学习的多样性和收敛能力。为了评价所提方法的性能，使用了16个基准函数。实验结果验证了OBMLBA求解全局优化问题的有效性和效率。与其他BA变体和其他最先进的算法的比较表明，所提出的方法显著提高了BA的性能。本文未讨论该算法在大规模优化问题和现实世界优化问题上的性能，将在今后的工作中进行研究。 SN - 1058-9244 UR - https://doi.org/10.1155/2016/8031560 DO - 10.1155/2016/8031560 JF - Scientific Programming PB - Hindawi Publishing Corporation KW - ER -