针对噪声环境下求解多个极值点的问题,本文提出了噪声环境下基于蒲丰距离的依概率多峰优化算法(Probabil-istic multimodal optimization algorithm based on the Button distance,PMB).算法依据蒲丰投针原理提出噪声下的蒲丰距离和极值分辨度概念,理论推导证明了二者与算法峰值检测率符合依概率关系.在全局范围内依据蒲丰距离划分搜索空间,可以使PMB算法保持较好的搜索多样性.在局部范围内利用改进的斐波那契法进行探索,减少了算法陷入噪声引起的局部最优的概率.基于34个测试函数,从依概率特性验证、寻优结果影响因素分析、多极值点寻优和多维函数寻优四个角度进行实验.证明了蒲丰距离与算法的峰值检测率符合所推导的依概率关系.对比噪声环境下的改进蝙蝠算法和粒子群算法,PMB算法在噪声环境中可以依定概率更精确地定位多峰函数的更多极值点,从而证明了PMB算法原理的正确性和噪声条件下全局寻优的依概率性能,具有理论意义和实用价值.
展开▼
