基于Boltzmann学习策略的粒子群算法

被引：13

作者：

艾解清 ^{[1
,2
]}

高济 ^{[3
]}

机构：

[1] 广东电网公司信息中心

[2] 广东电网公司信息化评测实验室

[3] 浙江大学人工智能所

来源：

南京理工大学学报 | 2012年 / 36卷 / 03期

关键词：

粒子群算法; Boltzmann学习策略; 模拟退火; 全局寻优; 多极值问题;

D O I：

10.14177/j.cnki.32-1397n.2012.03.015

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

针对粒子群算法过早收敛导致容易陷入局部极值的问题,提出了一种基于Boltzmann学习策略的粒子群算法(BLSPSO)。借鉴模拟退火算法的思想,在标准粒子群算法中引入Boltzmann学习策略。在BLSPSO前期粒子能够学习不同的极值点,适当保持粒子个体多样性,提高算法全局寻优能力。在BLSPSO后期粒子更倾向于学习全局最优粒子,提高收敛速度,保证算法的稳定性。仿真结果表明,所提出的算法具有寻优能力强、搜索精度高等优点,可有效避免标准PSO算法的早熟收敛。该算法在求解多极值问题上与其他PSO算法相比有较好表现。

引用

页码：402 / 407

页数：6

共 6 条

[1]

Sizing design of truss structures using particle swarms [J].