基于非均匀变异和多阶段扰动的粒子群优化算法

被引：52

作者：

赵新超 ^{[1
]}

刘国莅 ^{[2
]}

刘虎球 ^{[3
]}

赵国帅 ^{[4
]}

机构：

[1] 北京邮电大学理学院

[2] 北京大学信息科学技术学院

[3] 清华大学计算机科学与技术系

[4] 北京邮电大学网络技术研究院

来源：

计算机学报 | 2014年 / 37卷 / 09期

关键词：

粒子群优化; 非均匀变异; 多阶段扰动; 群体多样性;

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：

该文提出一种基于非均匀变异和多阶段扰动的粒子群优化算法,并对算法的搜索性能进行了一般性分析.首先,在算法执行的不同阶段利用对当前最优解施加大小不同的邻域扰动操作,很好地增加了群体多样性,提高了跳出局部陷阱的概率,同时加强了对当前最优解邻域内的精细搜索;其次,在粒子群优化算法中引入非均匀变异运算,并依据非均匀变异运算规律适应性地调整解向量的搜索步长.算法性能分析表明,本算法较好地兼顾了群体优化算法的多样性和精英学习强度之间的平衡问题.数值实验上,首先用12个经典测试函数,验证该文提出的几种新措施的有效性与互助性;其次,针对30维和50维的CEC2005测试函数集,所提算法NmP3PSO与经典算法wFIPS、CLPSO和OLPSO做了大量的仿真实验,结果表明该文提出的算法表现出富有竞争力的性能和稳定性.

引用

页码：2058 / 2070

页数：13

共 7 条

[1] 基于改进的粒子群遗传算法的DNA编码序列优化 [J].

崔光照 ;

李小广 ;

张勋才 ;

王延峰 ;

李翠玲 .

计算机学报, 2010, 33 (02) :311-316

[2] 求解车间调度问题的自适应混合粒子群算法 [J].

张长胜 ;

孙吉贵 ;

欧阳丹彤 ;

张永刚 .

计算机学报, 2009, 32 (11) :2137-2146

[3] 基于非一致性自适应变异的克隆选择算法 [J].

钟燕飞 ;

张良培 ;

李平湘 .

武汉大学学报(信息科学版), 2009, 34 (03) :308-312

[4] 基于克隆选择的免疫粒子群优化算法 [J].

李莉 ;

李洪奇 ;

谢绍龙 ;

李雄炎 .

计算机科学, 2008, (10) :253-255+278

[5] 变异协同进化的免疫克隆算法 [J].

刘丽珏 ;

蔡自兴 .

控制与决策 , 2008, (06) :613-618

[6]

免疫优化计算、学习与识别[M]. 科学出版社 , 焦李成[等]著, 2006

[7]

Tracking and optimizing dynamic Systems with particle swarms .2 Eberhart,R. C,and Shi,Y. H. Proceedings of the Congress on Evolutionary Computation . 2001

← 1 →