一种改进的简化粒子群算法

被引:73
作者
黄太安 [1 ]
生佳根 [1 ]
徐红洋 [2 ]
黄泽峰 [3 ]
机构
[1] 江苏科技大学计算机科学与工程学院
[2] 江苏科技大学电子信息学院
[3] 江苏科技大学南徐学院
关键词
粒子群算法; 混合蛙跳算法; 分组;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
由于简化粒子群算法中每个粒子都采用相同的迭代公式进行进化,使得在进化后期粒子间的差异性不强,算法容易出现早熟、搜索速度慢的问题。针对上述问题,在简化粒子群优化算法的基础上,加入了混合蛙跳算法的分组思想,提出了一种蛙跳简化粒子群算法。算法将粒子群分为多组同时进行搜索,每组粒子进行若干次迭代后再重新进行分组。粒子的迭代方式在简化粒子群上增加了对各小组最优粒子信息的利用,使各小组就利用不同的迭代公式进化,保证了粒子间的差异性。分别用基本粒子群算法、简化粒子群算法、混合蛙跳算法和蛙跳简化粒子群算法(改进的算法)对4个经典函数进行测试。结果表明,改进的算法能够有效地避免早熟收敛问题,并能较大幅度地提高收敛速度和收敛精度。
引用
收藏
页码:327 / 330+335 +335
页数:5
相关论文
共 13 条
[1]   基于高斯变异的量子粒子群算法 [J].
石永生 ;
陈家琪 .
电脑与信息技术, 2010, 18 (06) :9-12
[2]   一种混沌粒子群算法 [J].
孙湘 ;
周大为 ;
张希望 .
计算机工程与科学, 2010, 32 (12) :85-88
[3]   混合三群粒子群优化算法求解min-max-min问题 [J].
韦鹏 ;
曹德欣 .
计算机工程与应用, 2010, 46 (35) :219-221+230
[4]   惯性权重粒子群算法模型收敛性分析及参数选择 [J].
孙湘 ;
周大为 ;
张希望 .
计算机工程与设计, 2010, 31 (18) :4068-4071
[5]   多种群粒子群优化算法 [J].
罗德相 ;
周永权 ;
黄华娟 ;
韦杏琼 .
计算机工程与应用 , 2010, (19) :51-54
[6]   免疫粒子群算法的改进及应用 [J].
段富 ;
苏同芬 .
计算机应用, 2010, 30 (07) :1883-1884+1888
[7]   群体智能优化算法 [J].
王辉 ;
钱锋 .
化工自动化及仪表, 2007, (05) :7-13
[8]   一种更简化而高效的粒子群优化算法 [J].
胡旺 ;
李志蜀 .
软件学报, 2007, (04) :861-868
[9]   微粒群算法的研究现状与展望 [J].
王万良 ;
唐宇 .
浙江工业大学学报, 2007, (02) :136-141
[10]   一种多粒子群的协同优化算法 [J].
徐志烽 .
现代电子技术, 2007, (01) :131-133