一种促进PSO全局收敛的参数调整策略

被引:9
作者
杜荣华
机构
[1] 长沙理工大学汽车与机械工程学院
基金
湖南省自然科学基金;
关键词
全局收敛; 早熟收敛; 粒子群算法; 免疫机制;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
模拟鸟群捕食行为的粒子群算法存在早熟收敛问题。理论和实验都证明了粒子群算法参数确定局部搜索能力与全局搜索能力的比例关系,对算法的收敛能力影响极大。对现有的参数调整策略进行了分析,指出了存在的问题。借鉴免疫机制中的多样性和变异理论,提出一种新的参数调整策略,该策略基于抗体的亲和力和粒子的聚集程度来确定粒子的最优适应值变化率及算法参数值。对经典测试函数的实验结果表明,提出的参数调整策略使算法的全局收敛能力得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题。
引用
收藏
页码:1454 / 1457
页数:4
相关论文
共 6 条
[1]   基于PSO神经网络的进化博弈研究 [J].
刘伟兵 ;
王先甲 .
系统工程与电子技术, 2007, (08) :1282-1284
[2]   粒子群优化算法的分析与改进 [J].
张丽平 ;
俞欢军 ;
陈德钊 ;
胡上序 .
信息与控制, 2004, (05) :513-517
[3]   一种保证全局收敛的PSO算法 [J].
曾建潮 ;
崔志华 .
计算机研究与发展, 2004, (08) :1333-1338
[4]   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
[5]   微粒群算法综述 [J].
谢晓锋 ;
张文俊 ;
杨之廉 .
控制与决策, 2003, (02) :129-134
[6]  
Particle swarm optimization. Kennedy J, Eberhart RC. Proceedings of the IEEE International Joint Conference on Neural Networks . 1995