基于交叉熵金鷹優(yōu)化算法的室內(nèi)可見光定位

打開文本圖片集

摘要：為改善金鷹算法在求解室內(nèi)可見光定位問(wèn)題時(shí)的優(yōu)化能力，基于重要度抽樣技術(shù)和Kullback–Leibler距離的交叉熵（CE）方法，提出1種新的交叉熵金鷹優(yōu)化（CEGEO）算法。將交叉熵方法融合到金鷹優(yōu)化（GEO）算法中，通過(guò)協(xié)同演化獲得的新種群更新抽樣概率分布參數(shù)，加速算法的迭代進(jìn)程，降低抽樣樣本數(shù)和計(jì)算成本，提高算法的全局優(yōu)化能力；同時(shí)，采用共同更新得到更好的個(gè)體，大幅度增加種群的多樣性，改善算法的收斂速度。（剩余11004字）