一种惯性权重与种群多样性协同调整的二进制粒子群优化算法

被引：19

作者：

李浩君 ^{[1
]}

张广 ^{[1
]}

王万良 ^{[2
]}

机构：

[1] 浙江工业大学教育科学与技术学院

[2] 浙江工业大学计算机科学与技术学院

来源：

小型微型计算机系统 | 2018年 / 39卷 / 03期

关键词：

二进制粒子群; 海明距离; 惯性权重; 种群多样性;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对二进制粒子群算法惯性权重和种群多样性不能随粒子群进化状态变化而动态协同调整,易造成后期收敛性较差陷入局部最优的缺点,提出一种惯性权重与种群多样性协同调整的二进制粒子群算法(CBPSO),首先使用混沌函数初始化种群,其次根据每个粒子与最优粒子之间海明距离均值与当前迭代状态共同调整权重值,再次根据海明距离均值动态调整种群多样性,最后根据调整后的种群多样性在下次迭代中计算新的海明距离均值及对应的惯性权重值.通过对常用的基准函数进行不同维度下的仿真实验,实验结果证明:在相同迭代次数等条件下,该算法具有较强的动态搜索能力和种群多样性调整能力,比同类算法具有更好的准确率和鲁棒性.

引用

页码：529 / 533

页数：5

共 5 条

[1]

混合粒子群遗传算法的协同过滤推荐模型 [J].

吴彦文 ;

王洁 ;

王飞 .

小型微型计算机系统, 2017, 38 (03) :527-530

[2]

改进的粒子群优化算法在QoS选播路由中的应用 [J].

李陶深 ;

陈松乔 ;

杨明 ;

赵志刚 ;

葛志辉 .

小型微型计算机系统, 2010, 31 (01) :67-71

[3]

一种动态改变惯性权重的自适应粒子群算法 [J].

任子晖 ;

王坚 .

计算机科学, 2009, 36 (02) :227-229+256

[4]

Opposition chaotic fitness mutation based adaptive inertia weight BPSO for feature selection in text clustering.[J].Kusum Kumari Bharti;Pramod Kumar Singh.Applied Soft Computing.2016,

[5]

Chaotic Time Series Prediction Based On Binary Particle Swarm Optimization.[J].Xiaoxiao Cui;Mingyan Jiang.AASRI Procedia.2012,

← 1 →