交互学习的粒子群优化算法

被引：6

作者：

秦全德 ^{[1
]}

李丽 ^{[1
]}

程适 ^{[2
,3
]}

李荣钧 ^{[4
]}

机构：

[1] 深圳大学管理学院

[2] 英利利物浦大学电气电子工程系

[3] 西交利物浦大学电气电子工程系

[4] 华南理工大学工商管理学院

来源：

智能系统学报 | 2012年 / 7卷 / 06期

基金：

广东省自然科学基金;

关键词：

粒子群优化算法; 交互学习; 学习策略; 学习行为; 群体多样性;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

分析基本的粒子群优化学习机制的缺陷,启发于人类社会不同群体之间可以交互学习的特点,提出了一种改进粒子群优化算法——ILPSO.在ILPSO算法中,粒子由2个种群构成.当2个种群中最佳的全局最优位置在连续一定的迭代次数内没有改善时,执行交互学习策略.依据每个种群的全局最优位置的适应值,运用模拟退火的机制和轮盘赌的方法确定学习种群和被学习种群.提出了一个基于适应度排序的经验公式,计算学习种群中的每个粒子向被学习种群学习的概率.为了摆脱选择压力,采用了一种速度变异的方法.多个测试函数的数值实验结果表明,IL-PSO具有较好的全局搜索能力,是一种求解复杂问题的有效方法.

引用

页码：547 / 553

页数：7

共 6 条

[1] 基于生物寄生行为的双种群粒子群算法 [J].