受启发的回溯搜索算法在优化问题中的应用

李媛媛，贾志成,*，陈 雷，郭艳菊

(1.河北工业大学 电子信息工程学院，天津300401；2.天津商业大学 信息工程学院，天津300134；3.天津大学 精密仪器与光电子工程学院，天津300072)

0 引言

回溯搜索(Backtracking Search,BS)算法是Pinar Ciricioglu[1]于2013年提出的一种群体智能优化算法。BS算法与粒子群(PSO)算法[2]，差分(DE)算法[3]，生物地理优化(BBO)算法[4]和人工蜂群(ABC)算法[5]等元启发式优化算法一样，具有相似的特点：算法结构比较简单、寻优过程易于实现、方程涉及参数较少、无需梯度信息等。一经提出便吸引到了大量学者前来研究，并且在风力涡轮机功率曲线模型[6]、经济排放调度问题[7]及表面波分析[8]等众多领域得到了广泛的应用。

然而，与其他智能算法类似，较慢的收敛速度和较低的搜索精度也是BS算法急需解决的问题，限制了BS算法在实际中的应用。对此，学者们提出了多种改进策略来优化BS算法的性能。文献[9]通过改进算法的搜索方程，提高了BS算法的优化性能。文献[10]从扰动方式角度出发，得到了一个高效变异尺度系数并将其应用于BS算法中，另外，将贪婪性添加于交叉策略，从而优化了BS算法的性能。文献[11]为避免出现早熟收敛，在变异策略中添加了一种选择机制以增加全局搜索能力。但是，在处理过于复杂的问题时，改进的算法依然在收敛速度和早熟收敛两方面难以取得平衡。

为了提高BS算法的收敛速度及避免早熟现象，本文对影响这一现象的主要因素即算法的搜索方程进行了分析与改进。在贪婪机制的启发下，提出了一个具有较强开发能力的新搜索方程，它是在最优解的引导下产生一个新的候选解以便算法更快地收敛于全局最优位置。……