一种新的改进粒子群优化算法

被引：16

作者：

吴昌友

王福林

马力

机构：

[1] 东北农业大学工程学院

来源：

控制工程 | 2010年 / 17卷 / 03期

关键词：

粒子群优化算法; 变异; 收敛速度;

D O I：

10.14107/j.cnki.kzgc.2010.03.010

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

在现有文献研究的基础上,首先阐述标准粒子群优化算法的基本原理,并对它加以分析,指出标准粒子群优化算法初始粒子种群的产生速度慢、在优化过程中容易陷入局部最优等缺点,然后对其缺点进行改进,将改进的粒子群优化算法和标准粒子群优化算法进行实验对比分析研究,从实验结果中可知,改进粒子群优化算法在收敛速度及收敛精度上都明显好于标准粒子群优化方法。

引用

页码：359 / 362

页数：4

共 8 条

[1] 基于遗传交叉因子的改进粒子群优化算法 [J].

李季 ;

孙秀霞 ;

李士波 ;

李睿 .

计算机工程, 2008, (02) :181-183

[2] 一种高效的改进粒子群优化算法 [J].

李洪亮 ;

侯朝桢 ;

周绍生 .

计算机工程与应用 , 2008, (01) :14-16+30

[3] 实数遗传算法的改进研究 [J].

王福林 ;

王吉权 ;

吴昌友 ;

吴秋峰 .

生物数学学报, 2006, (01) :153-158

[4] 一种引入单纯形法算子的新颖粒子群算法 [J].

王芳 ;

邱玉辉 .

信息与控制, 2005, (05) :7-12

[5] 自适应变异的粒子群优化算法 [J].

吕振肃 ;

侯志荣 .

电子学报, 2004, (03) :416-420

[6] 免疫粒子群优化算法 [J].

高鹰 ;

谢胜利 .

计算机工程与应用, 2004, (06) :4-6+33

[7] 基于模拟退火的粒子群优化算法 [J].

高鹰 ;

谢胜利 .

计算机工程与应用, 2004, (01) :47-50

[8]

Recent approaches to global optimization problems through Particle Swarm Optimization[J] . K.E. Parsopoulos,M.N. Vrahatis.Natural Computing . 2002 (2-3)

← 1 →