粒子群优化算法的变形

被引：5

作者：

袁代林

机构：

[1] 西南交通大学数学学院统计系

来源：

计算机工程与应用 | 2015年 / 05期

关键词：

粒子群优化算法; 公式变形; 最优化;

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：

分析了粒子群算法的惯性部分、个体认知部分和群体认知部分的作用,对粒子群算法迭代方程的各部分进行变形,获得了三种新形式的粒子群算法。用算例说明所得到的三个新的粒子群算法具有较好的优化能力。

引用

收藏

页码：23 / 26

页数：4

相关论文

共 14 条

[1]

散乱点云数据精配准的粒子群优化算法 [J].

韩贤权 ;

朱庆 ;

丁雨淋 ;

周东波 .

武汉大学学报(信息科学版), 2014, 39 (10) :1214-1220

[2]

异步变化收缩因子粒子群算法心脏电流模型重构 [J].

刘晓乐 .

西南师范大学学报(自然科学版), 2014, 39 (09) :87-93

[3]

基于FPSO-SA算法的威布尔分布参数估计研究 [J].

王琼 ;

王磊 ;

任伟建 .

吉林大学学报(信息科学版), 2014, 32 (05) :476-483

[4]

基于新的粒子群算法的虚拟角色路径规划仿真系统 [J].

周静 ;

付绪昌 .

计算机应用, 2014, 34 (09) :2562-2565

[5]

基于Pareto熵的多目标粒子群优化算法 [J].

胡旺 ;

Gary G YEN ;

张鑫 .

软件学报, 2014, 25 (05) :1025-1050

[6]

柯西种群分布的自适应范围粒子群优化算法 [J].

逯少华 ;

张晓伟 ;

鲍承强 ;

李文宝 .

计算机应用, 2014, 34 (04) :1070-1073+1079

[7]

压缩因子综合信息粒子群算法 [J].

张成兴 .

计算机科学与探索, 2014, (04) :506-512

[8]

多样性反馈与控制的粒子群优化算法 [J].

饶兴华 ;

王文格 ;

胡旭 .

计算机应用, 2014, 34 (02) :506-509+513

[9]

基于改进粒子群算法的物流配送车辆调度 [J].

马冬青 ;

王蔚 .

计算机工程与应用, 2014, (11) :246-250+270

[10]

基于仿生学改进的粒子群算法 [J].

那日苏 ;

李强 ;

乌力吉 .

计算机工程与应用, 2014, (06) :61-63