基于群体多样性反馈控制的自组织微粒群算法

被引：24

作者：

介婧 ^{[1
]}

曾建潮 ^{[2
]}

韩崇昭 ^{[1
]}

机构：

[1] 西安交通大学电子与信息工程学院

[2] 太原科技大学系统仿真与计算机应用研究所

来源：

计算机研究与发展 | 2008年 / 03期

关键词：

群智能; 微粒群算法; 群体多样性; 反馈控制; 早熟; 自组织;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

微粒群算法是一种新型的群智能算法,已被广泛用于各种复杂优化问题的求解,但算法依然面临着过早收敛问题.为克服算法的早熟问题,提出了自组织微粒群算法.将微粒群体视为自组织系统,引入负反馈机制.群体多样性是影响微粒群算法全局优化性能的关键因素,把群体多样性作为个体微粒可感知的群体动态信息,用于动态调整惯性权重或加速度系数,通过不同的特性参数实现微粒的集聚或分散,使群体维持适当的多样性水平以利于全局搜索.用于复杂函数优化问题的求解,并与其他典型改进算法进行了性能比较.仿真结果表明,基于多样性控制的自组织微粒群算法可以有效避免早熟问题,提高微粒群算法求解复杂函数的全局优化性能.

引用

页码：464 / 471

页数：8

共 5 条

[1] 一种改进的自适应逃逸微粒群算法及实验分析 [J].

赫然 ;

王永吉 ;

王青 ;

周津慧 ;

胡陈勇 .

软件学报, 2005, (12) :2036-2044

[2] 一种保证全局收敛的PSO算法 [J].

曾建潮 ;

崔志华 .

计算机研究与发展, 2004, (08) :1333-1338

[3]

智能微粒群算法研究及应用[M]. 江苏教育出版社 , 吴启迪, 2005

[4]

微粒群算法[M]. 科学出版社 , 曾建潮等编著, 2004

[5]

Handling multiple objectives with particle swarm optimization .2 COELLO C A,PULIDO G T,LECHUGA M S. IEEE Trans on Evolutionary Computation . 2004

← 1 →