一种非线性系数的粒子群优化算法

被引：1

作者：

朱嘉瑜

机构：

[1] 广州大学数学与信息科学学院

来源：

电脑与电信 | 2009年 / 04期

关键词：

粒子群优化算法; 非线性函数; 加速系数; 惯性权值;

D O I：

10.15966/j.cnki.dnydx.2009.04.024

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对粒子群优化算法(Particle Swarm Optimization-PSO)存在算法初期容易陷入局部极值、进化后期收敛速度慢和精度低的缺点,提出了一种用非线性函数调整惯性权重和加速系数的粒子群优化算法(nfPSO)。nfPSO通过一个与当前迭代次数相关的非线性函数控制惯性权重和加速系数,从而提高了算法的收敛速度与精度。通过用三个算法对三个基准测试函数的仿真实验结果对比,说明了nfPSO算法具有良好的收敛速度与精度。

引用

页码：72 / 73+86 +86

页数：3

共 5 条

[1] 粒子群优化算法研究进展 [J].

倪庆剑 ;

邢汉承 ;

张志政 ;

王蓁蓁 ;

文巨峰 .

模式识别与人工智能, 2007, 20 (03) :349-357

[2] 基于粒子群优化的一类模糊控制器设计 [J].

郝万君 ;

强文义 ;

柴庆宣 ;

胡林献 .

控制与决策, 2007, (05) :585-588

[3] 带变异算子的粒子群优化算法 [J].

李宁 ;

孙德宝 ;

岑翼刚 ;

邹彤 ;

不详 .

计算机工程与应用 , 2004, (17) :12-14+35

[4] 免疫粒子群优化算法 [J].

高鹰 ;

谢胜利 .

计算机工程与应用, 2004, (06) :4-6+33

[5]

Particle swarm optimization .2 Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995

← 1 →