粒子群优化算法综述

被引:88
作者
黄少荣
机构
[1] 广东司法警官职业学院信息管理系
关键词
粒子群算法优化算法; 参数设置; 拓扑结构; 混合算法;
D O I
10.16208/j.issn1000-7024.2009.08.017
中图分类号
TP301.6 [算法理论];
学科分类号
摘要
为了进一步推广应用粒子群优化算法(PSO)并为深入研究该算法提供相关资料,在分析PSO基本原理和机制的基础上,从参数设置、收敛性、拓扑结构及与其它算法混合等方面对其发展历程和研究现状进行深入调查,论述了该算法的各种改进技术,并阐述了PSO在连续领域和离散领域的应用成果,最后对该算法未来发展趋势做出了展望。
引用
收藏
页码:1977 / 1980
页数:4
相关论文
共 10 条
  • [1] 带启发性变异的粒子群优化算法
    钟文亮
    王惠森
    张军
    涂德键
    [J]. 计算机工程与设计, 2008, (13) : 3402 - 3406
  • [2] 粒子群优化算法模型分析
    潘峰
    陈杰
    甘明刚
    蔡涛
    涂序彦
    [J]. 自动化学报, 2006, (03) : 368 - 377
  • [3] 广义粒子群优化模型
    高海兵
    周驰
    高亮
    [J]. 计算机学报, 2005, (12) : 1980 - 1987
  • [4] 粒子群算法中惯性权重的实验与分析
    王俊伟
    汪定伟
    [J]. 系统工程学报, 2005, (02) : 194 - 198
  • [5] 一种保证全局收敛的PSO算法
    曾建潮
    崔志华
    [J]. 计算机研究与发展, 2004, (08) : 1333 - 1338
  • [6] 微粒群算法参数效能的统计分析
    彭宇
    彭喜元
    刘兆庆
    [J]. 电子学报, 2004, (02) : 209 - 213
  • [7] 基于模拟退火的粒子群优化算法
    高鹰
    谢胜利
    [J]. 计算机工程与应用, 2004, (01) : 47 - 50
  • [8] 微粒群优化与调度算法[M]. - 清华大学出版社 , 王凌, 2008
  • [9] 智能优化方法[M]. - 高等教育出版社 , 汪定伟等, 2007
  • [10] Springer-verlagBerlinHeidelberg .2 RMJohriEMBRYOLOGYOFANGIOSPERMS. . 1984