一种新的基于模拟退火的粒子群算法

被引：20

作者：

赵乃刚

机构：

[1] 山西大同大学数学与计算机科学学院

来源：

软件 | 2015年 / 36 卷 / 07期

关键词：

粒子群优化算法; 惯性权重; 优胜劣汰;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

鉴于标准粒子群优化算法易陷入局部最优、收敛精度低,我们提出了一种改进的基于模拟退火的粒子群算法(NPSO)。将模拟退火算法的思想引入粒子群算法中,并对更新公式进行简化;提出了一种自适应随机惯性权重,实现了自适应平衡局部搜索和全局搜索的能力;提出了"优胜劣汰"的更新机制,加快了算法的收敛速度。与其它几种粒子群算法在4个基准测试函数上的实验比较,实验研究表明,NPSO算法的性能很好。

引用

页码：1 / 4

页数：4

共 11 条

[1]

基于改进粒子群算法的机位分配问题研究 [J].

陈骁睿 .

软件, 2015, (01) :72-76

[2]

Hybrid particle swarm optimization with chaotic search for solving integer and mixed integer programming problems[J] 谭跃;谭冠政;邓曙光; Journal of Central South University 2014, 07

[3]

基于量子粒子群算法的车牌定位 [J].

陈玉萍 .

软件, 2014, 35 (04) :157-159

[4]

粒子群优化算法的发展研究 [J].

黄文秀 .

软件, 2014, 35 (04) :73-77

[5]

基于粒子群算法的轨道电路补偿电容故障诊断方法 [J].

徐甜丽 .

软件, 2014, 35 (01) :49-52

[6]

基于随机惯性权重的简化粒子群优化算法 [J].

赵志刚 ;

黄树运 ;

王伟倩 .

计算机应用研究, 2014, 31 (02) :361-363+391

[7]

一种更简化而高效的粒子群优化算法 [J].

胡旺 ;

李志蜀 .

软件学报, 2007, (04) :861-868

[8]

A Particle Swarm Optimization Algorithm Based on Simulated Annealing[J] Zi Chao Yan;Yang Shen Luo Advanced Materials Research 2014,

[9]

Particle swarm optimization using dimension selection methods[J] Xin Jin;Yongquan Liang;Dongping Tian;Fuzhen Zhuang Applied Mathematics and Computation 2013,

[10]

A new efficient simulated annealing algorithm for the resource-constrained project scheduling problem and its multiple mode version[J] K. Bouleimen;H. Lecocq European Journal of Operational Research 2002,

← 1 2 →