一种动态调整惯性权重的粒子群优化算法

被引：131

作者：

董红斌 ^{[1
]}

李冬锦 ^{[1
]}

张小平 ^{[2
]}

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

[2] 中国中医科学院

来源：

计算机科学 | 2018年 / 45卷 / 02期

关键词：

粒子群优化算法; 动态调整; 惯性权重; 指数函数;

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：

针对粒子收敛速度慢、搜索精度不高和算法性能在很大程度上依赖于参数的选取等缺点,提出了一种非线性指数惯性权重粒子群优化算法(Exponential Inertia Weight in Particle Swarm Optimization,EIW-PSO)。在每次迭代的过程中,采用粒子最大适应值和最小适应值的指数函数来动态调整算法中的惯性权重,更有利于算法在寻优过程中跳出局部最优;同时,引入随机因子以确保种群的多样性,使粒子更快地收敛到全局最优位置。为了验证该算法的寻优性能,通过8个基准测试函数将标准PSO、线性递减惯性权重LDIW-PSO、均值自适应惯性权重MAW-PSO在不同维度和种群规模下进行测试比较。实验结果表明,提出的EIW-PSO算法具有更快的收敛速度和更高的求解精度。

引用

页码：98 / 102+139 +139

页数：6

共 10 条

[1]

Feature selection algorithm based on bare bones particle swarm optimization.[J].Yong Zhang;Dunwei Gong;Ying Hu;Wanqiu Zhang.Neurocomputing.2015,

[2]

Adaptive bare-bones particle swarm optimization algorithm and its convergence analysis [J].

Zhang, Yong ;

Gong, Dun-wei ;

Sun, Xiao-yan ;

Geng, Na .

SOFT COMPUTING, 2014, 18 (07) :1337-1352

[3]

Stochastic weight trade-off particle swarm optimization for nonconvex economic dispatch.[J].Saksorn Chalermchaiarbha;Weerakorn Ongsakul.Energy Conversion and Management.2013,

[4]

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

[5]

Structural reliability assessment based on particles swarm optimization.[J].Charles Elegbede.Structural Safety.2004, 2

[6]

Particle swarm optimization for task assignment problem [J].