自逃逸云简化粒子群优化算法

被引：3

作者：

郑春颖

王晓丹

郑全弟

谢一静

机构：

来源：

小型微型计算机系统 | 2010年 / 31卷 / 07期

关键词：

简化粒子群优化算法; 基本粒子群优化算法; 云理论; 复形法;

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：

sPSO仍继承了bPSO易陷入局部极值点的缺陷,而且其进化后期收敛速度和精度也有待进一步改善.基于此,提出一种基于云理论的简化粒子群优化算法(简称cloud-sPSO):对不再进化的个体,借鉴复形法的思想,进行尽可能的进化逃逸;而当种群进化停滞时,由基本云发生器对当前群体最优粒子实行变异操作.对几个经典测试函数进行实验的结果表明,cloud-sP-SO不仅能够有效摆脱局部极值点,而且收敛速度和精度也有极大地提高.

引用

页码：1457 / 1460

页数：4

共 6 条

[1] 一种更简化而高效的粒子群优化算法 [J].

胡旺 ;

李志蜀 .

软件学报, 2007, (04) :861-868

[2] 粒子群优化算法求解旅行商问题 [J].

黄岚 ;

王康平 ;

周春光 ;

庞巍 ;

董龙江 ;

彭利 .

吉林大学学报(理学版), 2003, (04) :477-480

[3]

On stability of delayed cellular neural networks with sigmoid output functions[J]. 莫亚如,薛小平,宋士吉.Science in China（Series F:Information Sciences）. 2003(05)

[4] 隶属云和隶属云发生器 [J].

李德毅，孟海军，史雪梅 .

计算机研究与发展 , 1995, (06) :15-20

[5]

粒子群优化算法的扩展与应用[D]. 莫愿斌.浙江大学 2006

[6]

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

← 1 →