基于自适应认知域的粒子群性能改进方法

被引：11

作者：

刘暾东 ^{[1
]}

陈得宝 ^{[2
]}

李素文 ^{[2
]}

王颖 ^{[1
]}

机构：

[1] 厦门大学自动化系

[2] 淮北煤炭师范学院物理与电子信息学院

来源：

模式识别与人工智能 | 2009年 / 22卷 / 05期

基金：

安徽省自然科学基金;

关键词：

粒子群优化(PSO); 线性下降权重粒子群(LDWPSO); 认知域; 阶梯形群体粒子群算法(LPSO);

D O I：

10.16451/j.cnki.issn1003-6059.2009.05.005

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：

为提高粒子群算法的收敛性能,提出一种自适应粒子认知域方法.在粒子位置的更新方法中,粒子运动到当前的最好位置由计算得到的最好位置为中心,粒子的认知方向为导向来确定.利用线性惯性下降权重来实现粒子的优化.为验证该方法的有效性,将此方法应用于3种不同的粒子群方法,分别是固定权重粒子群方法、线性下降权重粒子群方法及阶梯形群体粒子群算法.实验结果表明此方法是较有效的.

引用

页码：726 / 730

页数：5