禁忌粒子群算法

被引:5
作者
李辉
机构
[1] 福建水利电力职业技术学院数学教研室
关键词
粒子群算法; 禁忌搜索算法; 收敛速度; 收敛精度;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
080201 [机械制造及其自动化];
摘要
针对基本粒子群算法容易陷入局部最优的缺点,将禁忌搜索算法中的禁忌思想与粒子群算法结合,提出了一种新的粒子群算法——禁忌粒子群算法(TPSO)。该算法将粒子群算法找到的当前最优值禁忌一段时间后再释放,以此避免算法陷入局部最优,即使算法暂时陷入局部最优,该算法跳出局优的能力也很强。实验表明,TPSO在收敛速度以及收敛精度方面都比基本粒子群算法有了很大程度的提高,特别对于多极值问题搜索效果非常好,可以很好的解决算法陷入局部最优的问题。
引用
收藏
页码:85 / 90
页数:6
相关论文
共 10 条
[1]
基于孤立点和初始质心选择的k均值算法的改进与应用 [J].
顾洪博 ;
苏冬娜 .
陕西理工学院学报(自然科学版), 2009, 25 (03) :45-49
[2]
两棵树的公共子树查找算法综述 [J].
晁晓菲 ;
杨晓龙 ;
李书琴 ;
唐晶磊 .
陕西理工学院学报(自然科学版), 2009, 25 (02) :33-39
[4]
改进的粒子群算法及在结构优化中的应用 [J].
吴军 ;
李为吉 .
陕西理工学院学报(自然科学版), 2006, (04) :36-39
[5]
基于雁群启示的粒子群优化算法 [J].
刘金洋 ;
郭茂祖 ;
邓超 .
计算机科学, 2006, (11) :166-168+191
[6]
随机摄动粒子群优化算法 [J].
余炳辉 ;
袁晓辉 ;
王金文 ;
权先璋 .
计算机工程, 2006, (12) :189-190+276
[7]
基于最速下降最优解参考的粒子群算法 [J].
李灏 ;
丁晓东 .
计算机工程与应用 , 2006, (16) :44-45
[8]
带变异算子的粒子群优化算法 [J].
李宁 ;
孙德宝 ;
岑翼刚 ;
邹彤 ;
不详 .
计算机工程与应用 , 2004, (17) :12-14+35
[9]
一种改进粒子群优化算法 [J].
柯晶 ;
钱积新 ;
乔谊正 .
电路与系统学报, 2003, (05) :87-91
[10]
Particle swarm optimization..Kennedy J; Eberhart RC;.Proceedings of the IEEE International Joint Conference on Neural Networks.1995,