改进的粒子群优化算法及其工程应用

被引：8

作者：

安伟刚

李为吉

机构：

[1] 西北工业大学航空学院

[2] 西北工业大学航空学院西安

[3] 西安

来源：

机械科学与技术 | 2005年 / 04期

关键词：

单目标粒子群优化算法; 单纯形搜索法; 单纯形粒子群优化方法的混合算法; 齿轮减速器优化;

D O I：

10.13433/j.cnki.1003-8728.2005.04.011

中图分类号：

TB11 [工程数学];

学科分类号：

0701 ; 070104 ;

摘要：

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。

引用

页码：415 / 417

页数：3

共 5 条

[1]

Particleswarmoptimization. VenterG,etal. 43rdAIAA/ASME/ASCE/AHS/ASCStructures,StructuralDynamics,andMaterialsConference . 2002

[2]

MOPSO:aproposalformultipleobjectiveparticleswarmoptimization. CoelloCAC,etal. ProceedingsoftheIEEEWorldCongressonComputationalIntelligence . 2002

[3]

Partical swarm optimization. Kennedy J,Eberhart R C. Proceedings of the 1995 IEEE International Conference on Neural Network[C] , Perth, Australia . 1995

[4]

Multi-level design optimization using global monotonicity analysis. Azarm S,Li W. ASME Journal of Mechanisms,Transmissions, and Automation in Design . 1989

[5]

Eberhart, Parameter selection in particle swarm optimization. Shi Y H,Russell C. Proceedings of the Seventh Annual Conference on Evolutionary Programming[C] , New York . 1998

← 1 →