一种克服粒子群早熟的混合优化算法

被引：41

作者：

吴敏

丁雷

曹卫华

徐辰华

机构：

[1] 中南大学信息科学与工程学院

来源：

控制与决策 | 2008年 / 05期

基金：

国家杰出青年科学基金;

关键词：

粒子群优化; 共轭梯度法; 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：

针对粒子群优化算法在寻优时容易出现早熟现象,提出在粒子群收敛停滞时,从种群中随机选择粒子进行共轭梯度法计算,通过引入共轭梯度算法计算的信息来影响粒子速度的更新,以保持群体的活性,从而打破群体信息陷入局部最优的状况.不同于传统的粒子群算法,该算法有机地结合了粒子群的全局搜索能力和共轭梯度法的强大局部搜索能力,从而在一定程度上有效地克服了粒子群早熟的缺点.仿真计算结果表明,该改进粒子群的方法对于不同维数的非线性函数具有很好的寻优效果.

引用

页码：511 / 514+519 +519

页数：5

共 6 条

[1]

一种带有梯度加速的粒子群算法 [J].

王俊伟 ;

汪定伟 ;

不详 .

控制与决策 , 2004, (11) :1298-1300+1304

[2]

基于共轭梯度法的函数优化混合遗传算法 [J].

潘美芹 ;

贺国平 .

山东科技大学学报(自然科学版), 2000, (04) :10-13

[3]

Evolutionary computing based mobile robot localization[J] N.M. Kwok;D.K. Liu;G. Dissanayake Engineering Applications of Artificial Intelligence 2006,

[4]

A novel full structure optimization algorithm for radial basis probabilistic neural networks[J] Ji-Xiang Du;De-Shuang Huang;Guo-Jun Zhang;Zeng-Fu Wang Neurocomputing 2006,

[5]

A particle swarm optimization approach to the nonlinear resource allocation problem[J] Peng-Yeng Yin;Jing-Yu Wang Applied Mathematics and Computation 2006,

[6]

运筹学与最优化方法[M] 吴祈宗主编; 机械工业出版社 2003,

← 1 →