自适应扩散混合变异机制微粒群算法

被引：50

作者：

吕艳萍 ^{[1
]}

李绍滋 ^{[1
]}

陈水利 ^{[2
]}

郭文忠 ^{[3
]}

周昌乐 ^{[1
]}

机构：

[1] 厦门大学计算机科学系智能多媒体技术实验室

[2] 集美大学理学院

[3] 福州大学

来源：

软件学报 | 2007年 / 11期

关键词：

微粒群算法; 早熟收敛; 信息扩散; 克隆选择; Logistic序列;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了避免微粒群算法(panicle swarm optimization,简称PSO)在全局优化中陷入局部极值,分析了标准PSO算法早熟收敛的原因,提出了自适应扩散混合变异机制微粒群算法(InfonnPSO).结合生物群体信息扩散的习性,设计了一个考虑微粒分布和迭代次数的函数,自适应调整微粒的"社会认知"能力,提高种群的多样性;模拟了基因自组织和混沌进化规律引入克隆选择使群体最佳微粒gBest实现遗传微变、局部增值,具有变异确定性;利用Logistic序列指导gBest随机漂移,进一步增强逃离局部极值能力.基于种群的随机状态转移过程,证明了新算法具有全局收敛性.与其他几种PSO变种相比,复杂基准函数仿真优化结果表明,新算法收敛速度快,求解精度高,稳定性好,能够有效抑制早熟收敛.

引用

页码：2740 / 2751

页数：12

共 4 条

[1] 一种改进的自适应逃逸微粒群算法及实验分析
赫然
王永吉
王青
周津慧
胡陈勇
[J]. 软件学报, 2005, (12) : 2036 - 2044
[2] 演化策略的全局收敛性
郭崇慧
唐焕文
[J]. 计算数学, 2001, (01) : 105 - 110
[3] Chaotic local search algorithm
Changkyu Choi
Ju-Jang Lee
[J]. Artificial Life and Robotics, 1998, 2 (1) : 41 - 47
[4] Peram T,Veeramachaneni K.Fitness-Distance-Ratio based particle swarm optimization[K].Proc.of the IEEE Swarm Intelligence Syrup,2003

← 1 →