微粒群算法的研究现状及发展趋势

被引：44

作者：

夏桂梅

曾建潮

机构：

[1] 太原科技大学数学系

[2] 太原科技大学数学系山西太原

[3] 山西太原

来源：

山西师范大学学报(自然科学版) | 2005年 / 01期

关键词：

微粒群算法; 进化计算; 群智能;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

微粒群优化算法(PSO)是一种进化计算技术(evolutionarycomputation).算法通过微粒间的相互作用发现复杂搜索空间中的最优区域。其优点是:计算速度快且简单易实现;缺点是容易陷入局部极值点,进化后期收敛速度慢且精度较差.本文对微粒群算法的研究现状进行了部分介绍,并对其研究的发展趋势进行了预测.

引用

收藏

页码：23 / 25

页数：3

相关论文

共 10 条

[1]

微粒群算法.[M].曾建潮等编著;.科学出版社.2004,

[2]

一种保证全局收敛的PSO算法 [J].

曾建潮 ;

崔志华 .

计算机研究与发展, 2004, (08) :1333-1338

[3]

基于粒子群算法求解多目标优化问题 [J].

张利彪 ;

周春光 ;

马铭 ;

刘小华 .

计算机研究与发展, 2004, (07) :1286-1291

[4]

求解整数规划问题的微粒群算法 [J].

谭瑛 ;

高慧敏 ;

曾建潮 .

系统工程理论与实践, 2004, (05) :126-129

[5]

利用微粒群优化算法求解非线性规划问题 [J].

毕荣山 ;

杨霞 ;

项曙光 .

青岛科技大学学报(自然科学版), 2004, (02) :125-128

[6]

自适应变异的粒子群优化算法 [J].

吕振肃 ;

侯志荣 .

电子学报, 2004, (03) :416-420

[7]

免疫粒子群优化算法 [J].

高鹰 ;

谢胜利 ;

不详 .

计算机工程与应用 , 2004, (06) :4-6+33

[8]

基于模拟退火的粒子群优化算法 [J].

高鹰 ;

谢胜利 ;

不详 .

计算机工程与应用 , 2004, (01) :47-50

[9]

一种求解非线性规划问题的混合粒子群优化算法 [J].

董颖 ;

唐加福 ;

许宝栋 ;

汪定伟 .

东北大学学报, 2003, (12) :1141-1144

[10]

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