PSO优化算法的参数研究

被引：17

作者：

赵娜 ^{[1
]}

贾世魁 ^{[2
]}

王健 ^{[1
]}

孙志礼 ^{[1
]}

机构：

[1] 东北大学机械学院

[2] 沈阳化工大学机械工程学院

来源：

机械与电子 | 2013年 / 11期

关键词：

PSO算法; 惯性权重; 学习因子; 最优解;

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：

分析了惯性权重与学习因子对算法性能的影响,相应提出了几种调整策略并对其优缺点进行比较,之后基于前人的基础数据,借助Matlab软件进行编程,对6种组合调整策略进行优化试验,并与前人试验的最优解进行比较,最终通过试验数据,找出了一种较为可行的优化调整策略。

引用

页码：3 / 6

页数：4

共 9 条

[1]

一种动态改变学习因子的简化粒子群算法 [J].

任伟建 ;

武璇 .

自动化技术与应用, 2012, 31 (10) :9-11+37

[2]

一种改进学习因子的粒子群算法 [J].

徐生兵 ;

夏文杰 ;

代安定 .

信息安全与技术, 2012, 3 (07) :17-19

[3]

群智能微粒群算法及参数分析.[J].刘幸;.电子元器件应用.2011, 08

[4]

一种非线性递减惯性权重策略的粒子群优化算法 [J].

李会荣 ;

高岳林 ;

李济民 .

商洛学院学报, 2007, (04) :16-20

[5]

PSO算法介绍 [J].

张丽丽 .

山西财经大学学报, 2007, (S2) :214-215

[6]

微粒群算法的参数选择及收敛性分析 [J].

崔红梅 ;

朱庆保 .

计算机工程与应用 , 2007, (23) :89-91+131

[7]

微粒群算法中惯性权重的调整策略 [J].

胡建秀 ;

曾建潮 .

计算机工程, 2007, (11) :193-195

[8]

一种非线性改变惯性权重的粒子群算法 [J].

王丽 ;

王晓凯 .

计算机工程与应用 , 2007, (04) :47-48+92

[9]

热力学粒子群优化算法研究及其应用.[M].徐星; 著.天津大学出版社.2011,

← 1 →