一种动态加速因子的自适应微粒群优化算法

被引：8

作者：

陈华 ^{[1
,2
]}

范宜仁 ^{[1
]}

邓少贵 ^{[1
]}

机构：

[1] 中国石油大学CNPC测井重点实验室

[2] 中国石油大学数学与计算科学学院

来源：

中国石油大学学报(自然科学版) | 2010年 / 34卷 / 06期

关键词：

群体智能; 微粒群算法; 自适应策略; 加速因子;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

为提高加速因子全局搜索和局部搜索的平衡能力,提出一种加速因子动态调整的自适应微粒群算法。通过分析两个加速因子的变化规律,建立相应的常微分方程模型,求解得到加速因子动态调整公式。对几种典型Bench-m arks函数进行测试。结果表明,该算法在运行过程中可自动调节加速因子,能在算法初期保持微粒自身优势,提高全局最优值的搜索能力,而在算法后期则注重社会信息的分享,提高局部最优值搜索能力,算法逐步稳定。

引用

页码：173 / 176+184 +184

页数：5

共 7 条

[1] 基于多核微机的微粒群并行算法 [J].

陈华 ;

范宜仁 ;

邓少贵 ;

李智强 .

计算机工程与应用 , 2010, (13) :34-36

[2] 一种参数动态调整的自适应微粒群优化算法 [J].

林睦纲 ;

刘芳菊 ;

谭敏生 .

湘潭大学自然科学学报, 2010, 32 (01) :122-126

[3] 粒子群优化算法中加速系数的实验分析 [J].

常先英 ;

李荣钧 .

计算机工程, 2010, 36 (04) :183-186

[4] 一种基于综合目标函数的神经网络学习算法 [J].

徐宝昌 ;

罗雄麟 ;

王金山 .

中国石油大学学报(自然科学版), 2009, 33 (06) :95-99

[5] 基于拥挤度与变异的动态微粒群多目标优化算法 [J].

王辉 ;

钱锋 .

控制与决策 , 2008, (11) :1238-1242+1248

[6] PSO算法加速因子的非线性策略研究 [J].

陈水利 ;

蔡国榕 ;

郭文忠 ;

陈国龙 .

长江大学学报(自科版)理工卷, 2007, (04) :1-4+16+172

[7]

Daily Hydrothermal Generation Scheduling by a new Modified Adaptive Particle Swarm Optimization technique[J] . Nima Amjady,Hassan Rezai Soleymanpour.Electric Power Systems Research . 2009 (6)

← 1 →