带反向预测及斥力因子的改进粒子群优化算法

被引：20

作者：

范成礼

邢清华

李响

王振江

机构：

[1] 空军工程大学防空反导学院

来源：

控制与决策 | 2015年 / 02期

关键词：

粒子群优化; 局部最优; 反向预测因子; 斥力因子;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对传统粒子群算法在求解高维空间中复杂多峰函数时容易陷入局部最优的问题,提出带反向预测和斥力因子的改进粒子群优化算法.算法通过引入反向预测因子改进速度更新方式,以降低粒子在运动过程中产生惰性而出现早熟收敛的概率,并给出带斥力因子的位置修正策略,使粒子均匀分散于搜索空间,从而避免陷入局部最优.实验分析表明,在对高维空间中复杂多峰函数进行优化求解时,改进的粒子群优化算法较传统粒子群算法更加优越.

引用

页码：311 / 315

页数：5

共 10 条

[1]

基于混合策略自适应学习的并行粒子群优化算法 [J].

伍大清 ;

郑建国 .

控制与决策, 2013, 28 (07) :1087-1093

[2]

一种基于动态边界的粒子群优化算法 [J].

李迎秋 ;

迟玉红 ;

温涛 .

电子学报, 2013, 41 (05) :865-870

[3]

Hybrid optimization algorithm based on chaos;cloud and particle swarm optimization algorithm[J] Mingwei Li;Haigui Kang;Pengfei Zhou;Weichiang Hong; Journal of Systems Engineering and Electronics 2013, 02

[4]

惯性权自适应调整的量子粒子群优化算法 [J].

黄泽霞 ;

俞攸红 ;

黄德才 .

上海交通大学学报, 2012, 46 (02) :228-232

[5]

PSO算法全局收敛性分析 [J].

张慧斌 ;

王鸿斌 ;

胡志军 .

计算机工程与应用 , 2011, (34) :61-63

[6]

基于K-均值聚类的动态多种群粒子群算法及其应用 [J].

刘衍民 ;

隋常玲 ;

赵庆祯 .

控制与决策, 2011, 26 (07) :1019-1025

[7]

均匀搜索粒子群算法 [J].

吴晓军 ;

杨战中 ;

赵明 .

电子学报, 2011, 39 (06) :1261-1266

[8]

一种动态改变惯性权重的自适应粒子群算法 [J].

张顶学 ;

关治洪 ;

刘新芝 .

控制与决策 , 2008, (11) :1253-1257

[9]

The particle swarm-explosion; stability; and convergence in a multidimensional complex space Clerc; Maurice;Kennedy; James; IEEE Transactions on Evolutionary Computation 2002,

[10]

A novel set-based particle swarm optimization method for discrete optimization problems Chen; Wei-Neng;Zhang; Jun;Chung; Henry S. H;Zhong; Wen-Liang;Wu; Wei-Gang;Shi; Yu-Hui; IEEE Transactions on Evolutionary Computation 2010,

← 1 →