改进的粒子群算法及收敛性分析

被引:18
作者
谢铮桂 [1 ,2 ]
钟少丹 [1 ,2 ]
韦玉科 [2 ]
机构
[1] 韩山师范学院数学与信息技术系
[2] 广东工业大学计算机学院
关键词
粒子群算法; 逃逸; 免疫学习; 全局优化; 收敛性;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
针对PSO算法对多峰值函数搜索易陷入局部极值点的缺点,提出一种改进的粒子群(MPSO)算法。MPSO算法采用逃逸策略和免疫学习策略来保证种群多样性,使算法能有效进行全局搜索。并讨论MPSO算法的收敛性,证明其能以概率1全局收敛。最后用3个常用的测试函数进行仿真,实验结果表明MPSO算法比PSO算法有更好的收敛性和更快的收敛速度。
引用
收藏
页码:46 / 49
页数:4
相关论文
共 4 条
  • [1] 微粒群算法.[M].曾建潮等编著;.科学出版社.2004,
  • [2] 量子粒子群优化算法的收敛性分析及控制参数研究
    方伟
    孙俊
    谢振平
    须文波
    [J]. 物理学报, 2010, 59 (06) : 3686 - 3694
  • [3] 基于聚类分析的随机微粒群算法
    郝武伟
    曾建潮
    [J]. 计算机工程与应用 , 2010, (08) : 40 - 44
  • [4] 一种改进的自适应逃逸微粒群算法及实验分析
    赫然
    王永吉
    王青
    周津慧
    胡陈勇
    [J]. 软件学报, 2005, (12) : 2036 - 2044