基于多样性反馈的自适应粒子群优化算法

被引：10

作者：

汤可宗 ^{[1
,2
]}

吴隽 ^{[1
]}

赵嘉 ^{[2
]}

机构：

[1] 景德镇陶瓷学院信息工程学院

[2] 南昌工程学院信息工程学院

来源：

计算机应用 | 2013年 / 33卷 / 12期

关键词：

粒子群优化; 多样性; 熵; 变异;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为了进一步提高种群多样性在粒子群优化执行中的效率,提出一种基于多样性反馈的自适应粒子群优化算法(APSO)。APSO采用一种新的种群多样性评价策略,使惯性权值在搜索过程中随多样性自适应性地调整,从而均衡算法的勘探和开发过程。此外,最优粒子采用精英学习策略跳出局部最优区域,从而在保证算法收敛速度的同时能够自适应地调整搜索方向,提高解的精确度。通过一组典型测试函数的仿真结果,验证了APSO的有效性。

引用

页码：3372 / 3374+3384 +3384

页数：4

共 8 条

[1]

A fuzzy controller design for nuclear research reactors using the particle swarm optimization algorithm [J].