一种自适应多种群的PSO算法

被引：18

作者：

夏学文 ^{[1
]}

王博建 ^{[1
]}

金畅 ^{[1
]}

何国良 ^{[2
]}

谢承旺 ^{[1
]}

魏波 ^{[1
]}

机构：

[1] 华东交通大学软件学院智能优化与信息处理研究所

[2] 武汉大学计算机学院

来源：

系统仿真学报 | 2016年 / 12期

关键词：

粒子群算法; 多种群; 自适应; 探测操作; 局部搜索;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对粒子群算法易早熟收敛、逃离局部最优能力差、精度低等缺点,提出了一种自适应多种群PSO算法(Self-adaptive Multi-swarm Particle Swarm Optimization,SMPSO)。算法通过多个子种群独立进化和自适应重组操作既保持了种群多样性又实现了子种群间的信息共享与交互;同时,通过对粒子历史最优解进行周期性采样与统计,进而指导算法进行探测操作,不仅增强算法的全局搜索能力,也提高其跳出局部最优的能力;最后,引入了两种局部搜索策略提升了算法的收敛速度和求解精度。通过和其它PSO算法在标准测试函数和工程应用的实验对比表明,SMPSO在逃逸能力、收敛速度和求解精度上有显著提高。

引用

页码：2887 / 2895+2902 +2902

页数：10

共 7 条

[1]

PSO-SVM算法在智能建筑环境监控系统中的应用[J] 傅军栋;邹欢;康水华; 华东交通大学学报 2016, 01

[2]

基于自适应动态搜索粒子群的SVM参数优化研究 [J].

高春能 ;

张彪 ;

纪志成 .

系统仿真学报 , 2015, (12) :2958-2964+2972

[3]

带扰动算子的量子粒子群在水污染源识别中的应用 [J].

田娜 ;

纪志成 .

系统仿真学报, 2015, 27 (07) :1628-1637

[4]

基于邻域极值数的协同粒子群优化算法 [J].

曾毅 ;

朱旭生 ;

廖国勇 .

华东交通大学学报, 2014, (04) :71-76

[5]

透镜成像反学习策略在粒子群算法中的应用 [J].

喻飞 ;

李元香 ;

魏波 ;

徐星 ;

赵志勇 .

电子学报, 2014, 42 (02) :230-235

[6]

An adaptive hybrid optimizer based on particle swarm and differential evolution for global optimization[J] XIN Bin 1;2 ? ; CHEN Jie 1;2* ; PENG ZhiHong 1;2 & PAN Feng 1;2 1 School of Automation; Beijing Institute of Technology; Beijing 100081; China; 2 Key Laboratory of Complex System Intelligent Control and Decision; Ministry of Education; Beijing 100081; China Science China(Information Sciences) 2010, 05

[7]

An improved particle swarm optimizer based on tabu detecting and local learning strategy in a shrunk search space[J] Xuewen Xia;Jingnan Liu;Zhongbo Hu Applied Soft Computing Journal 2014,

← 1 →