首页 | 官方网站   微博 | 高级检索  
     

一种动态学习对象的粒子群优化算法
引用本文:曹智方,王国胤,申元霞.一种动态学习对象的粒子群优化算法[J].计算机工程,2011,37(19):171-173.
作者姓名:曹智方  王国胤  申元霞
作者单位:重庆邮电大学计算机科学与技术学院,重庆,400065
基金项目:国家自然科学基金资助项目(60773113); 重庆市杰出青年科学基金资助项目(2008BA2041); 重庆市自然科学基金资助重点项目(2008BA2017)
摘    要:针对粒子群优化算法容易早熟、收敛精度低等问题,基于群体多样性反馈的思想,提出一种动态学习对象的粒子群优化算法.该算法采用群体多样性动态控制粒子的学习对象,减缓群体多样性的丧失速度,有利于群体的全局寻优.对3种典型多峰函数的仿真结果表明,该算法可以有效避免早熟问题,具有较好的全局寻优能力.

关 键 词:粒子群优化  早熟  反馈  群体多样性  多峰函数
收稿时间:2011-04-27

Particle Swarm Optimization Algorithm with Dynamic Learning Objects
CAO Zhi-fang,WANG Guo-yin,SHEN Yuan-xia.Particle Swarm Optimization Algorithm with Dynamic Learning Objects[J].Computer Engineering,2011,37(19):171-173.
Authors:CAO Zhi-fang  WANG Guo-yin  SHEN Yuan-xia
Affiliation:CAO Zhi-fang,WANG Guo-yin,SHEN Yuan-xia(School of Computer Science and Technology,Chongqing University of Posts and Telecommunications,Chongqing 400065,China)
Abstract:To overcome the disadvantage of Particle Swarm Optimization(PSO) algorithm such as premature,bad convergence precision,based on feedback of swarm diversity,a PSO algorithm with Dynamic Learning Objects(PSO-DLO) is presented.In the algorithm swarm diversity is used to control the learning objects,the strategy relieves the lost of swarm diversity,which is helpful for the global search.Experiments of three typical multi-modal functions indicate that the algorithm can effectively avoid premature and achieve bet...
Keywords:Particle Swarm Optimization(PSO)  premature  feedback  swarm diversity  multi-modal function  
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《计算机工程》浏览原始摘要信息
点击此处可从《计算机工程》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号