一种基于收缩因子的改进粒子群算法

被引:7
作者
易云飞
陈国鸿
机构
[1] 河池学院计算机与信息科学系
关键词
粒子算法; 收缩因子; 吸引; 扩散;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
针对基本粒子群优化算法(简称PSO)存在的早熟收敛问题,提出了一种既保持粒子活性又保证粒子快速收敛于全局极值点的改进粒子群优化(XARPSO)算法。在算法运行过程中,如果种群多样性逐步减小,直至超出下限时,种群不再向整体最优位置靠近,而是纷纷远离该最优位置,从而执行了"扩散"操作,而当种群多样性逐步增大,直至超出上限时,种群又开始向整体最优位置靠拢,即执行了"吸引"操作,从而保持了粒子的多样性。同时,该方法引入收缩因子的概念,即通过正确选择惯性权重系数与加速常数即学习因子这些控制参数的值的方法,确保算法收敛。
引用
收藏
页码:59 / 60
页数:2
相关论文
共 6 条
[1]   一种基于复合形粒子群算法的改进k-means聚类算法 [J].
易云飞 ;
吴启明 ;
唐凤仙 .
软件导刊, 2008, (10) :46-48
[2]   改进k均值聚类算法在网络入侵检测中的应用研究 [J].
覃俊 ;
易云飞 ;
李林 .
中南民族大学学报(自然科学版), 2008, (03) :75-78
[3]   求解聚类问题的混合PSO算法设计 [J].
杨勋 ;
王江晴 .
微电子学与计算机, 2007, (10) :43-45+49
[4]   基于混合粒子群算法的多目标车辆路径研究 [J].
徐杰 ;
黄德先 .
计算机集成制造系统, 2007, (03) :573-579+584
[5]   基于改进的微粒群优化算法的0-1背包问题求解 [J].
沈显君 ;
王伟武 ;
郑波尽 ;
李元香 .
计算机工程, 2006, (18) :23-24+38
[6]  
微粒群算法.[M].曾建潮等编著;.科学出版社.2004,