多策略融合的粒子群优化算法

被引:53
作者
廖玮霖
程杉
尚冬冬
魏昭彬
机构
[1] 三峡大学微电网湖北省协同创新中心
关键词
粒子群优化算法; 三黑洞系统捕获; 多维随机干扰; 协调因子; 早熟扰动;
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
受天体学和植物学启发,提出一种多策略融合的粒子群优化算法(MSPSO),以改善粒子群优化算法(PSO)易陷入局部最优的不足。三黑洞系统捕获策略和多维随机干扰策略的引入,使算法增强全局开拓能力的同时兼顾局部搜索能力,并通过协调因子完成从全局寻优向局部搜索的转变,进而提高收敛速度。同时,早熟扰动策略的采用,使算法陷入局部最优的概率降低。采用9个测试函数,将该算法与其他5种算法进行性能对比。仿真结果表明,MSPSO算法具有在相同迭代下更好的寻优能力、在给定精度下更快的收敛速度等优势。
引用
收藏
页码:69 / 76
页数:8
相关论文
共 21 条
[1]
基于灰狼优化的反向学习粒子群算法 [J].
周蓉 ;
李俊 ;
王浩 .
计算机工程与应用 , 2020, (07) :48-56
[2]
引入多级扰动的混合型粒子群优化算法 [J].
徐利锋 ;
黄祖胜 ;
杨中柱 ;
丁维龙 .
软件学报, 2019, 30 (06) :1835-1852
[3]
混合互信息和粒子群算法的多目标特征选择方法 [J].
王金杰 ;
李炜 .
计算机科学与探索, 2020, 14 (01) :83-95
[4]
改进粒子群算法应用于Android恶意应用检测 [J].
霍林 ;
陆寅丽 .
计算机工程与应用, 2020, 56 (07) :96-101
[5]
改进的粒子群算法优化的特征选择方法 [J].
李炜 ;
巢秀琴 .
计算机科学与探索, 2019, 13 (06) :990-1004
[6]
自适应简化粒子群优化算法及其应用 [J].
张鑫 ;
邹德旋 ;
肖鹏 ;
喻秋 .
计算机工程与应用, 2019, (08) :250-263
[7]
独立局部搜索与多区域渐近收敛的新型PSO算法 [J].
王玉昆 ;
陈雪波 .
控制与决策, 2018, 33 (08) :1382-1390
[8]
基于改进MOPSO的MMC控制参数多机联合优化 [J].
林雪华 ;
洪国巍 ;
郭琦 ;
李岩 ;
谢国超 ;
刘崇茹 .
电力系统保护与控制, 2017, 45 (09) :48-55
[9]
基于剪枝策略的骨干粒子群算法 [J].
张震 ;
潘再平 ;
潘晓弘 .
控制与决策, 2015, 30 (09) :1591-1596
[10]
带反向预测及斥力因子的改进粒子群优化算法 [J].
范成礼 ;
邢清华 ;
李响 ;
王振江 .
控制与决策 , 2015, (02) :311-315