咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >一种最优粒子逐维变异的粒子群优化算法 收藏

一种最优粒子逐维变异的粒子群优化算法

Particle Swarm Optimization with Global Best Particle Dimension-by-dimension Mutation

作     者:罗强 季伟东 徐浩天 孙小晴 LUO Qiang;JI Wei-dong;XU Hao-tian;SUN Xiao-qing

作者机构:哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 

出 版 物:《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期:2020年第41卷第2期

页      面:259-263页

学科分类:08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金项目(31971015)资助 哈尔滨市科技局科技创新人才研究专项项目(2017RAQXJ050)资助 

主  题:逐维变异 重心反向学习 粒子群算法 

摘      要:针对粒子群算法(Particle Swarm Optimization,PSO)容易陷入局部最优、收敛速度过慢、精度低等问题,提出一种新的变异策略,对全局最优粒子进行逐维的重心反向学习变异.逐维变异降低了维间干扰,通过更新全局最优位置引领粒子向更好的位置飞行,同时加强了种群的多样性.仿真实验与基于柯西变异的混合粒子群算法(HPSO)及重心反向粒子群优化算法(COPSO)在9个标准测试函数上进行了对比.实验表明逐维重心反向变异算法(DCOPSO)具有较高的收敛速度及精度.

读者评论 与其他读者分享你的观点