CAJ | 학술논문

粒子群优化(PSO)算法是一种新兴的群体智能优化技术,由于其原理简单、参数少、效果好等优点已经广泛应用于求解各类复杂优化问题.而影响该算法收敛速度和精度的2个主要因素是粒子个体极值与全局极值的更新方式.通过分析粒子的飞行轨迹和引入广义中心粒子和狭义中心粒子,提出双中心粒子群优化(double center particle swarm optimization,DCPSO)算法,在不增加算法复杂度条件下对粒子的个体极值和全局极值更新方式进行更新,从而改善了算法的收敛速度和精度.采用Rosenbrock和Rastrigrin等6个经典测试函数,按照固定迭达次数和固定时间长度运行2种方式进行测试,验证了新算法的可行性和有效性.
입자군우화(PSO)산법시일충신흥적군체지능우화기술,유우기원리간단、삼수소、효과호등우점이경엄범응용우구해각류복잡우화문제.이영향해산법수렴속도화정도적2개주요인소시입자개체겁치여전국겁치적경신방식.통과분석입자적비행궤적화인입엄의중심입자화협의중심입자,제출쌍중심입자군우화(double center particle swarm optimization,DCPSO)산법,재불증가산법복잡도조건하대입자적개체겁치화전국겁치경신방식진행경신,종이개선료산법적수렴속도화정도.채용Rosenbrock화Rastrigrin등6개경전측시함수,안조고정질체차수화고정시간장도운행2충방식진행측시,험증료신산법적가행성화유효성.