一种基于距离度量的自适应粒子群优化算法

被引：9

作者：

李太勇 ^{[1
,2
]}

吴江 ^{[1
,2
]}

朱波 ^{[3
]}

方冰 ^{[4
]}

机构：

[1] 西南财经大学经济信息工程学院

[2] 西南财经大学中国支付体系研究中心

[3] 西南财经大学金融学院

[4] 贵阳学院计算机科学系

来源：

计算机科学 | 2010年 / 37卷 / 10期

关键词：

粒子群; 优化算法; 惯性权值; 距离度量;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

惯性权值对粒子群优化(Particle Swarm Opti mization,PSO)算法的性能起着重要作用。基本的PSO算法未考虑各粒子的差异而在一次迭代中所有粒子采用固定的惯性权值。为了体现各粒子相对于已知最优解的差异,提出了一种基于距离度量的自适应PSO算法DMAPSO(Distance Measurement-based Adaptive PSO)。算法采用欧式距离计算粒子与已知全局最优粒子的差异,然后根据差异自适应调整各粒子的惯性权值。通过基准测试函数对算法进行了实验,结果表明,对于连续函数优化问题,提出的DMAPSO算法优于经典PSO算法,DMAPSO收敛到最优解的迭代次数比PSO平均减少了约60%。

引用

页码：214 / 216

页数：3