多邻域改进粒子群算法

被引:14
作者
杨雪榕 [1 ]
梁加红 [1 ]
陈凌 [1 ]
尹大伟 [2 ]
机构
[1] 国防科学技术大学机电工程与自动化学院
[2] 国防科学技术大学航天与材料工程学院
关键词
粒子群; 多目标优化问题; 多邻域拓扑; 性能测试; Golinski减速器问题;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
为了改进标准粒子群算法的性能,提出了多邻域改进粒子群算法。算法提出了一种较为简单的多邻域拓扑方案,对速度惯性权重的更新策略进行了改进,引入了速度和搜索区间限制算法。经过对经典测试函数的计算测试,算法表现出良好的复杂问题求解能力。最后,针对多目标优化问题,给出了多目标应用在粒子群算法中的处理方法,并对经典的5维优化和Golinski减速器设计问题进行了求解,通过数据比对,证明了算法性能远优于现有的一些算法。
引用
收藏
页码:2453 / 2458
页数:6
相关论文
共 8 条
[1]  
空间最优交会路径规划策略研究.[D].罗亚中.国防科学技术大学.2007, 07
[2]   一种基于可变多簇结构的动态概率粒子群优化算法 [J].
倪庆剑 ;
张志政 ;
王蓁蓁 ;
邢汉承 .
软件学报, 2009, 20 (02) :339-349
[3]   面向多目标的自适应动态概率粒子群优化算法 [J].
贾兆红 ;
陈华平 ;
唐俊 ;
卢冰原 .
系统仿真学报, 2008, (18) :4959-4963
[4]   基于粒子群优化算法的无人战斗机路径规划方法 [J].
张雷 ;
王道波 ;
段海滨 .
系统工程与电子技术, 2008, (03) :506-510
[5]   利用粒子群算法优化SVM分类器的超参数 [J].
王东 ;
吴湘滨 .
计算机应用, 2008, (01) :134-135+139
[6]   基于种群密度的粒子群优化算法 [J].
高鹰 ;
姚振坚 ;
谢胜利 .
系统工程与电子技术, 2006, (06) :922-924+932
[7]   混合粒子群算法在高维复杂函数寻优中的应用 [J].
谭皓 ;
沈春林 ;
李锦 .
系统工程与电子技术, 2005, (08) :1471-1474
[8]   用混沌搜索求解非线性约束优化问题 [J].
骆晨钟 ;
邵惠鹤 .
系统工程理论与实践, 2000, (08) :54-57+90