均匀搜索粒子群算法的收敛性分析

被引：12

作者：

吴晓军 ^{[1
,2
]}

李峰 ^{[2
]}

马悦 ^{[2
]}

辛云宏 ^{[3
]}

机构：

[1] 陕西师范大学现代教学技术教育部重点实验室

[2] 陕西师范大学计算机科学学院

[3] 陕西师范大学物理学与信息技术学院

来源：

电子学报 | 2012年 / 40卷 / 06期

关键词：

粒子群算法; 均匀搜索粒子群算法;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

本文将均匀搜索粒子群算法(Uniform search Particle Swarm Optimization,简称UPSO)的位置更新公式变换为一个差分方程,求解差分方程得到非递推的位置更新公式,推导解的收敛条件并求出了UPSO对学习系数c及惯性系数w的收敛区域,最后通过6个Benchmark函数仿真实验对收敛区域的正确性进行验证,实验结果表明学习系数和惯性系数在收敛区域内时的UPSO收敛,不在收敛区域外时UPSO发散.

引用

页码：1115 / 1120

页数：6

共 7 条

[1] 均匀搜索粒子群算法
吴晓军
杨战中
赵明
[J]. 电子学报, 2011, 39 (06) : 1261 - 1266
[2] 粒子群优化算法的收敛性分析及其混沌改进算法
刘洪波
王秀坤
谭国真
[J]. 控制与决策, 2006, (06) : 636 - 640+645
[3] 粒子群优化算法收敛性分析
高尚
汤可宗
蒋新姿
杨静宇
[J]. 科学技术与工程, 2006, (12) : 1625 - 1627+1631
[4] An improved particle swarm optimization algorithm
Jiang, Yan
Hu, Tiesong
Huang, ChongChao
Wu, Xianing
[J]. APPLIED MATHEMATICS AND COMPUTATION, 2007, 193 (01) : 231 - 239
[5] Particle swarm optimization. Kennedy J, Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995
[6] A new optimizer using particle swarm theory. Eberhart R C Kennedy J. Proceedings of Sixth International Symposium Micro Machine and Human Science . 1995
[7] The sampling distribution of particle swarm optimisersand their stability. RPoli. http://cswww.essex.ac.uk/technical-reports/2007/csm-465.pdf . 2007

← 1 →