压缩因子综合信息粒子群算法

被引：5

作者：

张成兴

机构：

[1] 兰州商学院甘肃经济发展数量分析研究中心

来源：

计算机科学与探索 | 2014年 / 04期

关键词：

综合信息策略; 压缩因子; 粒子群算法;

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：

在群体智能算法中个体种群的多样性在进化后期逐渐消失,个体趋同性增加,因此粒子群算法的主要缺点是容易陷入局部最优值。提出了一种新的改进粒子群算法,该算法结合了压缩因子和综合信息策略,其中压缩因子可以平衡粒子群算法中的局部和全局搜索,综合信息可以较好地加强种群的多样性。改进后的粒子群算法与基本粒子群算法、自适应粒子群算法和压缩因子粒子群算法在7个测试函数上分别进行了精度对比测试、成功概率测试和收敛速度测试,结果表明新算法获得了较高的搜索精度和较快的收敛速度。

引用

页码：506 / 512

页数：7

共 7 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]

基于粒子群算法的多用途船结构优化 [J].

何小二 ;

王德禹 ;

夏利娟 .

上海交通大学学报, 2013, (06) :928-931

[3]

基于粒子群优化算法的最大相关最小冗余混合式特征选择方法 [J].

姚旭 ;

王晓丹 ;

张玉玺 ;

权文 .

控制与决策, 2013, 28 (03) :413-417+423

[4]

一种求解约束优化问题的混合粒子群算法 [J].

刘衍民 .

清华大学学报(自然科学版), 2013, 53 (02) :242-246

[5]

Minimizing multimodal functions of continuous variables with the “simulated annealing” algorithm Corrigenda for this article is available here[J] A. Corana;M. Marchesi;C. Martini;S. Ridella ACM Transactions on Mathematical Software (TOMS) 1987,

[6]

Testing Unconstrained Optimization Software[J] Jorge J. Moré;Burton S. Garbow;Kenneth E. Hillstrom ACM Transactions on Mathematical Software (TOMS) 1981,

[7]

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

← 1 →