柯西种群分布的自适应范围粒子群优化算法

被引：11

作者：

逯少华

张晓伟

鲍承强

李文宝

机构：

[1] 电子科技大学数学科学学院

来源：

计算机应用 | 2014年 / 34卷 / 04期

关键词：

粒子群优化; 柯西分布; 中位数; 尺度参数; 数值优化;

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：

为了提高粒子群优化算法的求解性能,提出了一种具有柯西种群分布的自适应范围搜索的粒子群优化算法(ARPSO/C)。该算法在种群服从柯西分布的假设下,在每一次迭代中利用个体分布的中位数和尺度参数来自适应地调整种群的搜索范围,从而在局部搜索和全局搜索之间达到了一个很好的平衡。最后的数值实验结果表明:与ARPSO和PSO算法相比,该算法收敛速度得到了显著提高,并且能够有效地克服早熟现象。

引用

页码：1070 / 1073+1079 +1079

页数：5

共 9 条

[1]

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

[2]

微粒群算法综述 [J].

谢晓锋 ;

张文俊 ;

杨之廉 .

控制与决策, 2003, (02) :129-134

[3]

智能优化方法.[M].汪定伟等; 编著.高等教育出版社.2007,

[4]

Particle swarm optimization with adaptive mutation for multimodal optimization.[J].Hui Wang;Wenjun Wang;Zhijian Wu.Applied Mathematics and Computation.2013,

[5]

Cauchy mutation for decision-making variable of Gaussian particle swarm optimization applied to parameters selection of SVM.[J].Qi Wu.Expert Systems With Applications.2010, 5

[6]

Adaptive range particle swarm optimization [J].