一种基于粒子对称分布多样性的PSO算法

被引：11

作者：

孙越泓 ^{[1
,2
]}

魏建香 ^{[3
]}

夏德深 ^{[1
]}

机构：

[1] 南京理工大学计算机科学与技术学院

[2] 南京师范大学数学科学学院

[3] 南京人口管理干部学院信息科学系

来源：

模式识别与人工智能 | 2010年 / 23卷 / 02期

关键词：

粒子群算法(PSO); 粒子空间; 对称分布; 多样性调节;

D O I：

10.16451/j.cnki.issn1003-6059.2010.02.017

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

粒子群算法(PSO)在演化的过程中种群多样性越来越差,容易陷于局部最优.为了克服这一缺点,提出一种基于粒子对称分布多样性的改进PSO算法(sdPSO).对粒子在空间分布的研究发现,粒子在最优解周围更对称的分布可大大提高算法收敛到全局最优解的概率.提出一种种群多样性函数表示方法,并在标准粒子群算法中引入多样性调节算法.由于种群多样性被不断调整,粒子在空间中的分布在对称与非对称之间反复变换,使得改进算法能搜索到更广泛的区域.通过benchmark函数实验仿真,改进sdPSO算法与标准粒子群算法相比,能达到更高的收敛精度.

引用

页码：137 / 143

页数：7

共 10 条

[1] 共享免疫微粒群算法 [J].