GA与PSO的混合研究综述

被引：156

作者：

李红亚 ^{[1
]}

彭昱忠 ^{[1
,2
]}

邓楚燕 ^{[1
]}

龚道庆 ^{[1
]}

机构：

[1] 广西师范学院计算机与信息工程学院科学计算与智能信息处理广西高校重点实验室

[2] 复旦大学计算机科学技术学院

来源：

计算机工程与应用 | 2018年 / 54卷 / 02期

关键词：

遗传算法; 粒子群算法; 演化算法; 智能计算; 智能混合;

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：

传统算法无法满足现代大规模、多变量、多约束的复杂问题求解,使得智能算法的应用越来越广泛。但单一智能算法在解决很多复杂问题时依然存在不足,利用算法之间互补性的混合算法便应运而生,并且取得了较好的实验效果,被越来越多的国内外学者所关注。以混合方式为研究主线,对智能算法中的遗传算法(GA)和粒子群算法(PSO)的融合方式进行分析与综述,并对其进一步的研究发展方向进行了探讨。

引用

页码：20 / 28+39 +39

页数：10

共 35 条

[1]

基于PSOGA模糊神经网络的企业IT外包风险评价模型研究 [D].

刘静 .

河北工业大学,

2015

[2]

粒子群遗传混合算法及其在函数优化上的应用 [D].

倪全贵 .

华南理工大学,

2014

[3]

GA-PSO-BP神经网络在大气污染物浓度预测中的应用研究 [D].

成华义 .

华中科技大学,

2014

[4]

基于GA-PSO优化分层DT-SVM混合核的遥感图像分类及其应用 [D].

施冬艳 .

南京邮电大学,

2014

[5]

基于GA-PSO的粒子滤波算法的研究 [D].

孙丽平 .

哈尔滨理工大学,

2013

[6]

基于改进PSO的BP网络的研究及应用 [D].

黄继红 .

长沙理工大学,

2008

[7]

基于PSO-GA混合算法时间优化的旅行商问题研究 [J].

张勇 ;

陈玲 ;

徐小龙 ;

李飞腾 .

计算机应用研究, 2015, 32 (12) :3613-3617

[8]

基于PSOGA算法BPA到PSASP数据转换 [J].

叶青 ;

朱永强 ;

李红贤 .

电力建设, 2015, 36 (04) :104-109

[9]

Resource Allocation Algorithm Based on PSO-GA for Multi-User OFDM System.[J].Hao-Ye Zhang;Jin-Ping Mei;Shi-Bing Zhang;.Journal of Electronic Science and Technology.2015, 01

[10]

基于GA-PSO的粗糙集属性约简算法 [J].

戴上平 ;

刘素军 ;

郑素菲 .

计算机工程与科学, 2015, 37 (02) :397-401

← 1 2 3 4 →