一种新型的被动启发式粒子群优化算法

被引：8

作者：

秦洪德

石丽丽

机构：

[1] 哈尔滨工程大学船舶工程学院

来源：

哈尔滨工程大学学报 | 2010年 / 31卷 / 10期

关键词：

粒子群优化算法; 惯性权重; 惯性学习因子; 收敛速度; 收敛精度;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

标准粒子群优化(SPSO)算法具有参数少、鲁棒性好、易于实现等优点,但同时也具有收敛慢、易于陷入局部极值点等缺点.在SPSO算法基础上,通过在其粒子速度更新公式的自我认知部分和社会经验部分引入惯性学习因子(ωc1,ωc2),提出一种新型的被动启发式粒子群优化算法(PHPSO).分别采用SPSO和PHPSO两种优化算法对测试函数进行求解,将这两种算法的优化过程进行比较分析,结果表明,与SPSO算法相比,该文提出的PHPSO算法收敛速度大幅提高,且更易得到全局最优解,收敛精度更高.

引用

页码：1298 / 1302

页数：5

共 4 条

[1]

A heuristic particle swarm optimization method for truss structures with discrete variables.[J].L.J. Li;Z.B. Huang;F. Liu.Computers and Structures.2009, 7

[2]

Particle swarm optimizer; ant colony strategy and harmony search scheme hybridized for optimization of truss structures.[J].A. Kaveh;S. Talatahari.Computers and Structures.2009, 5

[3] An improved particle swarm optimizer for mechanical design optimization problems [J].

He, S ;

Prempain, E ;

Wu, QH .

ENGINEERING OPTIMIZATION, 2004, 36 (05) :585-605

[4]

船舶结构优化设计.[M].秦洪德; 主编.哈尔滨工程大学出版社.2010,

← 1 →