粒子群优化算法综述

被引：16

作者：

杨伟新 ^{[1
]}

张晓森 ^{[2
]}

机构：

[1] 西北民族大学

[2] 兰州理工大学

来源：

甘肃科技 | 2012年 / 28卷 / 05期

关键词：

粒子群; 优化; 演化计算;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

粒子群优化(PSO)算法是一种基于群智能方法的演化计算技术,通过粒子间的相互作用发现复杂搜索空间中的最优区域,优势在于简单容易实现而且功能强大。由于它简单易操作的特点,PSO一提出,立刻引起演化计算等领域学者们的广泛关注,并在函数优化、神经网络训练、工业系统优化和模糊系统控制等领域得到了广泛的应用。介绍了基本的PSO算法、若干类改进的PSO算法及其应用。

引用

页码：88 / 92+73 +73

页数：6

共 8 条

[1] 基于KRTG的动态拓扑结构的粒子群算法研究 [J].

田玉玲 ;

杨朋樽 .

计算机与数字工程, 2010, 38 (02) :25-27+81

[2] 一种基于有向动态网络拓扑的粒子群优化算法 [J].

姚灿中 ;

杨建梅 .

计算机工程与应用 , 2009, (27) :15-17+49

[3] 基于动态邻域的粒子群算法的研究 [J].

韩立娜 ;

熊盛武 .

计算机工程与应用, 2009, 45 (06) :60-62+65

[4] 基于PSO的软件结构测试数据自动生成方法 [J].

李爱国 ;

张艳丽 .

计算机工程, 2008, (06) :93-94+97

[5] 多模态粒子群集成神经网络 [J].

刘宇 ;

覃征 ;

卢江 ;

史哲文 .

计算机研究与发展, 2005, (09) :1519-1526

[6] 一种保证全局收敛的PSO算法 [J].

曾建潮 ;

崔志华 .

计算机研究与发展, 2004, (08) :1333-1338

[7] Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].

Storn, R ;

Price, K .

JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359

[8]

A new optimizer using particle swarm theory .2 Eberhart R C Kennedy J. Proceedings of Sixth International Symposium Micro Machine and Human Science . 1995

← 1 →