粒子群优化算法模型分析

被引:64
作者
潘峰
陈杰
甘明刚
蔡涛
涂序彦
机构
[1] 北京理工大学信息科学技术学院自动控制系
[2] 北京理工大学信息科学技术学院自动控制系 北京
关键词
粒子群优化算法; 单信息最大搜索空间; 渐进稳定性; 充分条件; Lipschitz条件;
D O I
10.16383/j.aas.2006.03.007
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
粒子群优化算法在优化问题中体现出良好的性能,但目前还没有对其运动特性,尤其是参数的选择与当粒子群体陷入局部极值点导致的早熟收敛情况的详细分析.分析了PSO算法中的三种粒子模型(Gbest,Pbest,Commom模型)的运动特性,给出了Gbest模型和Pbest 模型在没有新息获取时,单信息条件下的最大搜索空间.进一步证明了在减少了Lipschitz条件约束的条件下,Common模型渐进稳定的充分条件,将算法中惯量因子的取值范围扩大到 (-1,1),并从物理上进行了解释.
引用
收藏
页码:368 / 377
页数:10
相关论文
共 1 条
  • [1] Stability analysis of particle swarm optimization without Lipschitz constraint[J] . Jie Chen,Feng Pan,Tao Cai,Xuyan Tu.Journal of Control Theory and Applications . 2003 (1)