适应性粒子群寻优算法Ⅱ

被引:4
作者
罗辞勇
陈民铀
韩力
机构
[1] 重庆大学输配电装备及系统安全与新技术国家重点实验室
[2] 重庆大学电气工程学院
关键词
粒子群算法; 适应性; 随机; 收敛;
D O I
10.13195/j.cd.2009.06.61.luocy.018
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
适应性粒子群寻优算法I(APSO-Ⅰ)是在有序的决策中始终引入随机的、不可预测的决定.为解决APSO-I算法收敛深度不够的问题,提出适应性粒子群寻优第II代算法(APSO-Ⅱ).APSO-Ⅱ算法是将有序(标准PSO粒子群寻优)和无序(自适应寻优)进行适当的分离,以发挥各自的优势.在自适应寻优阶段,通过在最优粒子邻域空间探寻更优化的解.一但新的优化解被发掘,便利用标准PSO快速寻优.典型复杂函数优化的仿真结果表明,APSO-Ⅱ在收敛速度和收敛深度上均优于DPSO(耗散型PSO),HPSO(自适应层次PSO),AEPSO(自适应逃逸PSO)和APSO-Ⅰ.
引用
收藏
页码:859 / 863
页数:5
相关论文
共 5 条
[1]   适应性粒子群寻优算法 [J].
罗辞勇 ;
陈民铀 .
控制与决策 , 2008, (10) :1135-1138+1144
[2]   混沌粒子群混合优化算法的研究与应用 [J].
陈如清 ;
俞金寿 .
系统仿真学报, 2008, (03) :685-688
[3]   基于混沌序列的粒子群优化算法 [J].
孟红记 ;
郑鹏 ;
梅国晖 ;
谢植 .
控制与决策 , 2006, (03) :263-266
[4]   一种改进的自适应逃逸微粒群算法及实验分析 [J].
赫然 ;
王永吉 ;
王青 ;
周津慧 ;
胡陈勇 .
软件学报, 2005, (12) :2036-2044
[5]   微粒群算法综述 [J].
谢晓锋 ;
张文俊 ;
杨之廉 .
控制与决策, 2003, (02) :129-134