一种多尺度协同变异的粒子群优化算法

被引：48

作者：

陶新民 ^{[1
]}

刘福荣 ^{[2
]}

刘玉 ^{[1
]}

童智靖 ^{[1
]}

机构：

[1] 哈尔滨工程大学信息与通信工程学院

[2] 黑龙江省电力有限公司

来源：

软件学报 | 2012年 / 23卷 / 07期

关键词：

粒子群算法; 早熟收敛; 多尺度; 协同变异; 适应度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了改善粒子群算法易早熟收敛、精度低等缺点,提出一种多尺度协同变异的粒子群优化算法,并证明了该算法以概率1收敛到全局最优解.算法采用多尺度高斯变异机制实现局部解逃逸.在算法初期阶段,利用大尺度变异及均匀变异算子实现全局最优解空间的快速定位;随着适应值的提升,变异尺度随之降低;最终在算法后期阶段,利用小尺度变异算子完成局部精确解空间的搜索.将算法应用6个典型复杂函数优化问题,并同其他带变异操作的PSO算法比较,结果表明,该算法在收敛速度及稳定性上有显著提高.

引用

页码：1805 / 1815

页数：11

共 4 条

[1] 一种改进的粒子群和K均值混合聚类算法 [J].

陶新民 ;

徐晶 ;

杨立标 ;

刘玉 .

电子与信息学报, 2010, 32 (01) :92-97

[2] 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

[3] 微粒群算法参数效能的统计分析 [J].

彭宇 ;

彭喜元 ;

刘兆庆 .

电子学报, 2004, (02) :209-213

[4]

Particle swarm optimization .2 Kennedy J,Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995

← 1 →