多样性反馈与控制的粒子群优化算法

被引：12

作者：

饶兴华

王文格

胡旭

机构：

[1] 湖南大学机械与运载工程学院

来源：

计算机应用 | 2014年 / 34卷 / 02期

关键词：

粒子群优化; 早熟收敛; 多样性; 全局最优;

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：

针对粒子群优化(PSO)算法的早熟收敛问题,提出了一种多样性反馈与控制的粒子群优化(DFCPSO)算法。该算法在搜索过程中根据多样性反馈信息,动态调整算法参数,改善了搜索次数在多样性曲线上的分布情况。当多样性或群体适应度方差下降到给定的阈值时,通过基于最优点排斥的初始化操作,高效率发散,使粒子飞离聚集区域,重新开始搜索,从而使种群多样性保持在合理范围内,避免了早熟收敛现象。对多个标准测试函数的实验结果表明,与当前多样性控制的粒子群优化(DCPSO)算法相比,DFCPSO算法在复杂优化问题和多模态优化问题中具有更强的全局搜索能力。

引用

页码：506 / 509+513 +513

页数：5

共 10 条

[1]

采用多样性引导粒子群算法的干式空心电抗器优化设计 [J].

张成芬 ;

赵彦珍 ;

马西奎 .

西安交通大学学报, 2012, 46 (04) :64-69

[2]

惯性权重正弦调整的粒子群算法 [J].

姜长元 ;

赵曙光 ;

沈士根 ;

郭力争 .

计算机工程与应用, 2012, 48 (08) :40-42

[3]

加速收敛的粒子群优化算法 [J].

任子晖 ;

王坚 .

控制与决策, 2011, 26 (02) :201-206

[4]

改进粒子群在水下机器人路径规划中的应用 [J].

毛宇峰 ;

庞永杰 .

计算机应用, 2010, 30 (03) :789-792

[5]

基于多样性反馈的粒子群优化算法 [J].

焦巍 ;

刘光斌 .

计算机工程, 2009, 35 (22) :202-204

[6]

一种多样性控制的粒子群优化算法 [J].

方伟 ;

孙俊 ;

须文波 .

控制与决策 , 2008, (08) :863-868

[7]

自适应变异的粒子群优化算法 [J].

吕振肃 ;

侯志荣 .

电子学报, 2004, (03) :416-420

[8]

粒子群优化算法.[M].李丽; 牛奔; 著.冶金工业出版社.2009,

[9]

Automated critical point identification for PIV data using multimodal particle swarm optimization [J].

Cormier, N. ;

Cormier, G. ;

Poitras, G. ;

Brizzi, L. -E. .

INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN FLUIDS, 2012, 70 (07) :923-938

[10]

A PSO-based weighting method for linear combination of neural networks.[J].S.H. Nabavi-Kerizi;M. Abadi;E. Kabir.Computers and Electrical Engineering.2008, 5

← 1 →