粒子群优化算法研究进展

被引:4
作者
薄玉玲 [1 ]
姜静清 [2 ]
孙艳红 [1 ]
机构
[1] 内蒙古民族大学数学学院
[2] 内蒙古民族大学计算机科学与技术学院
关键词
粒子群算法; 函数优化; 群智能;
D O I
10.14045/j.cnki.15-1220.2010.06.034
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(PSO)算法是一种源于人工生命和演化计算理论的新兴优化技术.其基本思想为:每个粒子被随机的初始化以表示一个可能的解,并在解空间通过更新迭代搜索最优解.PSO的优势在于算法简单,对目标函数要求少,易于实现而又功能强大.目前,已受到演化计算领域的学者们的广泛关注,并提出了许多改进的算法.本文阐述基本粒子群的原理,给出了各种改进的算法,并展望了PSO的发展方向.
引用
收藏
页码:630 / 633
页数:4
相关论文
共 7 条
[1]   粒子群和人工鱼群混合优化算法 [J].
罗德相 ;
周永权 ;
黄华娟 .
计算机与应用化学, 2009, 26 (10) :1257-1261
[2]   一种保持PSO与GA独立性的混合优化算法 [J].
赵欣 ;
叶庆卫 ;
周宇 .
计算机工程与应用, 2009, 45 (26) :53-55+100
[3]   一种改进的粒子群算法 [J].
张焱 ;
高兴宝 .
计算机工程与应用 , 2009, (26) :58-59+93
[4]   惯性权值对粒子群算法收敛性的影响及改进 [J].
黄翀鹏 ;
熊伟丽 ;
徐保国 .
计算机工程, 2008, (12) :31-33
[5]   新型粒子群优化算法 [J].
巩敦卫 ;
张勇 ;
张建化 ;
周勇 .
控制理论与应用, 2008, (01) :111-114+119
[6]   改进的粒子群算法 [J].
张建科 ;
刘三阳 ;
张晓清 .
计算机工程与设计, 2007, (17) :4215-4216+4219
[7]   基于粒子群算法的遗传算法研究 [J].
王文义 ;
秦广军 ;
王若雨 .
计算机科学, 2007, (08) :145-147