微粒群算法的参数选择及收敛性分析

被引:31
作者
崔红梅
朱庆保
机构
[1] 南京师范大学数学与计算机科学学院
关键词
微粒群算法; 参数选择; 收敛性; 粒子轨迹; 惯性权重;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
摘要
微粒群算法是相对较新颖的优化算法,已经成功应用于许多优化问题。然而算法的参数选择及收敛性分析研究不足,为此首先认真研究了现有微粒群算法粒子轨迹及其收敛性的文献,在此基础上,根据递减惯性权重和递增惯性权重微粒群算法各自的特点,结合算法的收敛区间,提出了一种具有先增后减惯性权重的新的微粒群算法,既保留了具有递增和递减惯性权重的优点,也克服了它们的缺点,取得了比较好的效果。
引用
收藏
页码:89 / 91+131 +131
页数:4
相关论文
共 6 条
[1]  
The particle swarm optimization algorithm:convergence analysis and parameter selection. Trelea I C. Information Processing Letters . 2002
[2]  
Particle Swarm Optimization. Kennedy J,Eberhart R. IEEE Inter-national Conference on Neural Networks,1995Proceedings . 1995
[3]  
An analysis of Particle Swarm Optimizers. van den Berth F. . 2001
[4]  
Parameter selection in particle swarm optimiza-tion. Shi Y,Eberhart R. Proceedings of7th Annual Conference on Evolution Com-putation . 1998
[5]  
Empirical study of particle swarm optimization. Shi Y,Eberhart R. Proceedings of the1999Congress on Evolutionary Computa-tion . 1999
[6]  
On the con-vergence analysis and parameter selection in particle swarm opti-mization. Zheng Yong-ling,Ma Long-hua,Zhang Li-yan,et al. Proceedings of the Second International Conference on Machine Learning and Cybernetics . 2003