基于粒子熵的参数自适应变异PSO算法研究

被引：10

作者：

李怀俊 ^{[1
]}

谢小鹏 ^{[2
]}

肖心远 ^{[1
]}

机构：

[1] 广东交通职业技术学院车辆安全工程技术中心

[2] 华南理工大学汽车摩擦学与故障诊断研究所

来源：

计算机工程与应用 | 2014年 / 19期

基金：

广东省自然科学基金;

关键词：

粒子熵集; 惯性权重; 全局最优位置; 自适应变异; 粒子群优化算法;

D O I：

暂无

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：

为了避免普通粒子群算法(PSO)可能出现的局部收敛及精度不高现象,围绕影响PSO算法性能的两个重要参数w和pgd,提出了一种面向全局优化的参数自适应变异PSO改进算法。算法定义了粒子熵集概念,可以精确反映粒子群数据的全局聚集特性,由粒子群各维数据的熵值大小决定是否对各维数据的惯性权重w进行回归变异,对全局变量pgd进行随机变异,并采取引入变异次数因子等方法来避免寻优发散。仿真研究表明该算法比常用算法在寻优精度、摆脱局部陷阱、稳定性等方面均有明显提高,在求解复杂多峰问题上有着良好的表现。

引用

页码：27 / 31

页数：5

共 11 条

[1]

一种基于混合遗传和粒子群的智能优化算法 [J].

马超 ;

邓超 ;

熊尧 ;

吴军 .

计算机研究与发展, 2013, 50 (11) :2278-2286

[2]

一种改进的约束优化粒子群算法 [J].

吴华伟 ;

陈特放 ;

胡春凯 ;

许炳 .

计算机应用研究, 2012, 29 (03) :859-861+864

[3]

基于逻辑自映射的变尺度混沌粒子群优化算法 [J].

刘长平 ;

叶春明 .

计算机应用研究, 2011, 28 (08) :2825-2827

[4]

自适应扩展的简化粒子群优化算法 [J].

赵志刚 ;

张振文 ;

张福刚 .

计算机工程与应用, 2011, 47 (18) :45-47

[5]

均匀搜索粒子群算法 [J].

吴晓军 ;

杨战中 ;

赵明 .

电子学报, 2011, 39 (06) :1261-1266

[6]

基于空间缩放和吸引子的粒子群优化算法 [J].

迟玉红 ;

孙富春 ;

王维军 ;

喻春明 .

计算机学报, 2011, 34 (01) :115-130

[7]

一种直觉模糊熵的构造方法 [J].

王毅 ;

雷英杰 .

控制与决策, 2007, (12) :1390-1394

[8]

Association rule-based feature selection method for Alzheimer’s disease diagnosis[J] R. Chaves;J. Ramírez;J.M. Górriz;C.G. Puntonet Expert Systems With Applications 2012,

[9]

A self-adaptive chaotic particle swarm algorithm for short term hydroelectric system scheduling in deregulated environment[J] Jiang Chuanwen;Etorre Bompard Energy Conversion and Management 2005,

[10]

粒子群优化算法[M] 李丽; 牛奔; 著冶金工业出版社 2009,

← 1 2 →