基于双混沌优化搜索的改进粒子群算法及应用
Research on the Application of Particle Swarm Optimization Algorithm Based on Double Chaos Optimization Search作者机构：鹤壁职业技术学院公共基础教育学院河南鹤壁458030 武汉理工大学理学院统计系湖北武汉430070 鹤壁华盛监控设备制造有限公司河南鹤壁458000 黔南民族师范学院数学与统计学院贵州都匀558000
出 版 物：《数学的实践与认识》 (Mathematics in Practice and Theory)
年 卷 期：2024年第54卷第4期
页 面：151-161页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金重点资助项目(61633011,混杂非线性系统的性能分析与控制设计及应用) 河南省高等学校重点科研项目计划(23B110018) 鹤壁职业技术学院校本科技类重点资助课题项目(2022-KJZD-011)
主 题：智能电阻箱 双混沌优化 扰动因子 自适应学习 粒子群算法 测试函数 寻优策略 动态误差校正
摘 要：针对现有算法在智能电阻箱动态误差校正方面存在的收敛速度慢、计算精度低,且易进入“局部最优的陷阱等缺点,展开对智能电阻箱动态示数校正过程的重构及设计,并对动态误差校正优化算法进行研究.在双混沌优化系统中添加扰动因子与指数自适应学习方式改进搜索策略;在粒子群算法中将惯性权重因子修正为自适应权重因子,将学习因子修正为异步线性学习因子以优化算法,进而提出一种改进的粒子群优化算法(AL-DCPSO).利用8个经典函数对算法性能进行测试后,将这种算法应用在某型号智能电阻箱动态误差校正的过程中,研究结果表明:改进后的算法具有更高的计算精度(达到0.001)与更强的寻优能力,且在优化过程中呈现出较强的自适应学习能力,计算过程较为稳定,鲁棒性有效提升,耗时在阈值范围内有所增加.其创新性在于将双混沌优化机制的优点与粒子群算法相结合,应用到智能电阻箱动态误差校正的过程中,对动态误差校正方法进行了一定拓展,为粒子群优化算法在具体实际优化过程中的关键参数选取与策略设计,有效提升算法优化性能提供了一些借鉴.
维普期刊数据库
同方期刊数据库