基于粒子群统计规律的PSO算法

被引：4

作者：

吴延科

徐晨

李国

机构：

[1] 深圳大学理学院应用数学系

来源：

郑州大学学报(理学版) | 2006年 / 04期

关键词：

粒子群; 粒子群优化; 早熟;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

粒子群优化(particle swarm optimization,PSO)算法是一类基于群体智能的全局优化算法,以其计算迅速和易于实现而得到广泛的应用.但作为一种进化算法,它在很多问题中却容易过早收敛,陷入早熟.这与粒子群采用单一的进化策略有关,因为过于单一的进化策略使粒子群整体上有一种趋同性.针对标准PSO算法的这个问题提出了一种改进方法,改进后的PSO-σ算法实质上是Kennedy讨论过的认知模型、社会模型和完全模型的混合算法.从算法的收敛性、准确性和稳定性等方面对这种改进的算法作了试验和分析,发现均优于标准PSO算法.

引用

页码：98 / 101

页数：4

共 8 条

[1]

Particle swarm optimization[C]∥. KENNEDY J,EBERHART R C. Proceedings of IEEE International Conference onNeural Networks . 1995

[2]

A modified particle swarm optimizer. SHI Yu-hui,Eberhart R C. ∥Proceedings of IEEE International Conference onEvolutionary Computation . 1998

[3]

Recent advances in particle swarm. HU Xiao-hui,SHI Yu-hui,EBERHART R. Proceedings of IEEE Congress onEvolutionary Computation . 2004

[4]

Evolving Artificial Neural Networks[C]. Russell C.Eberhart;Yuhui Shi.1998 International Conference on Neural Networks and Brain(ICNN&B'98),1998

[5]

A cooperative approach to particle swarm optimization. FRANS van den Bergh,ENGELBRECHT A P. IEEETransactions on Evolutionary Computation . 2004

[6]

Cooperative learning in neural networks using particle swarmoptimizer. FRANS van den Bergh,ENGELBRECHT A P. South African Computer Journal . 2000

[7]

Training product unit neural networks. ENGELBRECHT A P,ISMAIL A. Stability and Control:Theory andApplications . 1999

[8]

The particle swarm:social adaption of knowledge[C]∥. KENNEDY J. Proceedings of International Conference onEvolutionary Computation . 1997

← 1 →