基于健康度的人工蜂群粒子群算法 |
| |
作者单位: | ;1.江南大学物联网工程学院;2.轻工过程先进控制教育部重点实验室(江南大学) |
| |
摘 要: | 针对标准粒子群算法存在收敛速度慢和易陷入局部最优等问题,提出了一种基于健康度的人工蜂群粒子群算法。通过动态地对各个粒子的健康状况进行评价,对正常粒子和病态粒子分别进行处理,避免无效搜索,提高算法的收敛速度;在处理病态粒子时,一方面以大概率借鉴人工蜂群的搜索策略提高算法的探索能力,另一方面以小概率增加粒子群的多样性,避免陷入局部最优。实验结果表明,与标准粒子群算法和其他改进算法相比,该算法收敛速度快、寻优精度高。
|
关 键 词: | 粒子群算法 健康度 人工蜂群 收敛速度 局部最优 |
Particle health degree based artificial bee colony particle swarm optimization |
| |
Abstract: | |
| |
Keywords: | |
|
|