具有快速收敛和自适应逃逸功能的粒子群优化算法

被引：15

作者：

史小露 ^{[1
]}

孙辉 ^{[2
]}

李俊 ^{[1
]}

朱德刚 ^{[1
]}

机构：

[1] 南昌航空大学信息工程学院

[2] 南昌工程学院信息工程学院

来源：

计算机应用 | 2013年 / 33卷 / 05期

关键词：

粒子群优化算法; 全局搜索; 局部搜索; 快速收敛; 自适应逃逸;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

为了克服标准粒子群优化算法(PSO)后期收敛速度慢、容易陷入局部最优等缺点,借鉴人工蜂群算法的思想,提出了一种提高收敛速度并且带有自适应逃逸功能的粒子群优化算法(FAPSO)。算法中每进化一次粒子搜索两次:一次全局搜索,一次局部搜索。当粒子陷入局部最优时,通过逃逸功能使粒子重新搜索。8个经典基准测试函数仿真结果表明,改进的粒子群优化算法在收敛速度和寻优精度上均有提高,相对于目前常用的改进粒子群优化算法如CLPSO等,t检验结果说明,新算法具有明显的优势。

引用

页码：1308 / 1312

页数：5

共 8 条

[1] 基于自适应强引导粒子群算法的电力系统无功优化 [J].

刘丽军 ;

蔡金锭 .

电工电能新技术, 2012, 31 (04) :24-28+38

[2] 动态环境下带有非线性效应的复合粒子群优化算法 [J].

刘黎黎 ;

李国家 ;

汪定伟 .

控制理论与应用, 2012, 29 (10) :1253-1262

[3] 基于混沌粒子群的神经网络主汽温控制系统 [J].

王勇 .

计算机仿真, 2012, 29 (08) :322-325

[4] 一种采用完全学习策略的量子行为粒子群优化算法 [J].

陈伟 ;

周頔 ;

孙俊 ;

须文波 .

控制与决策, 2012, 27 (05) :719-723+730

[5] 基于粒子群优化算法的模拟滤波器设计 [J].

李鹏 ;

马红梅 ;

张旭珍 .

计算机工程, 2011, 37 (13) :246-247+261

[6] 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

[7]

A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm[J] . Dervis Karaboga,Bahriye Basturk.J. Global Optimization . 2007 (3)

[8]

A Modified Particle Swarm Optimizer .2 Shi Y,Eberhart RC. Proceedings of the IEEE International Conference on Evolutionary Computation . 1998

← 1 →