Q学习头脑风暴优化算法

多峰问题解数更多

用Q学习替代随机选择，结合双小生境策略，在多峰优化中同时获得更全面的解。

程适 · 74817289 · 路辉 · 史玉回

IEEE Transactions on Consumer Electronics 2024

参数信息

测试函数数量

30

对比算法数量

4

技术优势

解数更多

采用拥挤和物种形成两种小生境策略划分种群，可同时定位多个最优解。

自适应生成解

Q学习方法让每个个体根据当前状态选择合适动作，代替原始BSO中的随机值。

收敛更强

学习辅助解进化策略具有鲁棒的全局搜索能力，能进化新个体并增强种群收敛。

应用场景

• 智能优化算法设计：用小生境和Q学习增强多峰优化算法设计。
• 机器人路径规划：同时找多条最优路径供机器人选择。
• 工业参数调优：同时给出多组最优参数供工艺选择。
• 工程设计优化：为工程设计提供多样化的最优方案。