PSO模型种群多样性与学习参数的关系研究

被引：31

作者：

申元霞 ^{[1
,2
]}

王国胤 ^{[1
]}

曾传华 ^{[2
]}

机构：

[1] 重庆邮电大学计算机科学与技术研究所

[2] 安徽工业大学计算机科学学院

来源：

电子学报 | 2011年 / 39卷 / 06期

关键词：

粒子群; 早期收敛; 种群多样性; 惯性权重; 加速系数;

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：

粒子群优化(Particle Swarm Optimization,PSO)算法在求解复杂多峰问题时,易陷入早期收敛.通过调整惯性权重和加速系数来控制种群多样性是缓解PSO早期收敛的一个重要手段,但是目前对惯性权重和加速系数的设置主要依赖于实验设计,缺乏必要的理论支撑.针对该问题,本文提出了一种以种群未来的多样性变化调整PSO算法参数的方法.该方法首先在种群当前状态已知的条件下计算种群下一时刻多样性的期望表达式,再采用多元函数极值理论的分析方法给出了惯性权重,加速系数与种群下一时刻多样性的数学关系,该结果为PSO学习参数控制种群多样性提供有力的数学理论依据.

引用

页码：1238 / 1244

页数：7

共 4 条

[1]

基于群体多样性反馈控制的自组织微粒群算法 [J].