具备反向学习和局部学习能力的粒子群算法

被引：82

作者：

夏学文 ^{[1
,2
]}

刘经南 ^{[1
]}

高柯夫 ^{[1
]}

李元香 ^{[3
]}

曾辉 ^{[3
]}

机构：

[1] 武汉大学卫星定位导航技术研究中心

[2] 华东交通大学软件学院

[3] 武汉大学计算机学院

来源：

计算机学报 | 2015年 / 38卷 / 07期

关键词：

粒子群算法; 反向学习; 局部搜索; 多样性保持; 高维函数优化;

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：

为解决粒子群优化(Particle Swarm Optimization,PSO)算法中存在的种群多样性和收敛性之间的矛盾,该文提出了一种具备反向学习和局部学习能力的粒子群优化算法(Reverse-learning and Local-learning PSO,RLPSO).该算法保留了初始种群中满足排异距离要求的多个较差粒子以及每个粒子的历史最差位置.当检测到算法陷入局部最优时,利用这些较差粒子的位置信息指导部分粒子以较快飞行速度进行反向学习,将其迅速牵引出局部最优区域.反向学习过程可改善粒子种群的多样性,保证了算法的全局探测能力;同时,利用较优粒子间的差分结果指导最优粒子进行局部学习与搜索,该过程可与粒子群的飞行过程并行执行,且局部学习的缩放因子可随进化过程动态调节.局部学习可提高算法的求解精度,保证算法的迅速收敛.实验结果表明,RLPSO算法同其他PSO算法相比,在高维函数优化中具有收敛速度快、求解精度高的特点.

引用

页码：1397 / 1407

页数：11

共 11 条

[1] 一种基于邻域空间的混合粒子群优化算法 [J].

曾毅 ;

朱旭生 ;

廖国勇 .

华东交通大学学报, 2013, 30 (03) :44-49

[2] 改进粒子群算法求解GPS短基线整周模糊度的研究 [J].

王建 ;

张献州 ;

张勇 ;

李伟 .

大地测量与地球动力学, 2012, 32 (04) :148-151

[3] 一种排异竞争的粒子群优化算法 [J].

谭阳 ;

唐德权 ;

全惠云 .

系统仿真学报, 2011, 23 (12) :2635-2640+2646

[4] PSO和ABC的混合优化算法 [J].

刘俊芳 ;

张雪英 ;

宁爱平 .

计算机工程与应用 , 2011, (35) :32-34+44

[5] 基于空间缩放和吸引子的粒子群优化算法 [J].

迟玉红 ;

孙富春 ;

王维军 ;

喻春明 .

计算机学报, 2011, 34 (01) :115-130

[6]

An adaptive hybrid optimizer based on particle swarm and differential evolution for global optimization[J]. XIN Bin 1,2 ? , CHEN Jie 1,2* , PENG ZhiHong 1,2 ＆ PAN Feng 1,2 1 School of Automation, Beijing Institute of Technology, Beijing 100081, China;2 Key Laboratory of Complex System Intelligent Control and Decision, Ministry of Education, Beijing 100081, China.Science China（Information Sciences）. 2010(05)

[7] 粒子群算法稳定性的参数选择策略分析 [J].

张玮 ;

王华奎 .

系统仿真学报, 2009, (14) :4339-4344+4350

[8]

Parallel cooperative micro-particle swarm optimization: A master–slave model[J] . Konstantinos E. Parsopoulos.Applied Soft Computing Journal . 2012 (11)

[9]

Stochastic convergence analysis and parameter selection of the standard particle swarm optimization algorithm[J] . M. Jiang,Y.P. Luo,S.Y. Yang.Information Processing Letters . 2006 (1)

[10]

The particle swarm optimization algorithm: convergence analysis and parameter selection[J] . Ioan Cristian Trelea.Information Processing Letters . 2002 (6)

← 1 2 →