基于强化学习的适应性微粒群算法

被引：3

作者：

邢长明

刘方爱

机构：

[1] 山东师范大学信息科学与工程学院

来源：

控制与决策 | 2011年 / 26卷 / 01期

关键词：

微粒群算法; 惯性权重; 自适应; 强化学习;

D O I：

10.13195/j.cd.2011.01.56.xingzhm.019

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

惯性权重是微粒群算法(PSO)的重要参数,它可以平衡算法的全局和局部搜索能力的关系,改善算法的性能.对此,提出一种基于强化学习的适应性微粒群算法(RPSO).首先将不同惯性权重调整策略视为粒子的行动集合;然后通过计算Q函数值,考察粒子多步进化的效果;进而选择粒子最优进化策略,动态调整惯性权重,以增强算法寻找全局最优的能力.对几种经典函数的测试结果表明,RPSO能够获得良好的性能,特别是对多峰函数效果更加明显.

引用

页码：54 / 58+64 +64

页数：6

共 6 条

[1] 基于Q学习的适应性进化规划算法 [J].