系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2011年
7期
1647-1652
,共6页
粒子群优化%遗传算法%混合优化%性能分析
粒子群優化%遺傳算法%混閤優化%性能分析
입자군우화%유전산법%혼합우화%성능분석
提出了一种基于实数编码的粒子群优化和遗传算法的混合优化算法,该算法首先由粒子群优化进化一定代数后,将最优的M个粒子保留,去掉适应度较差的pop_size-M个粒子.然后以这最优的M个粒子的位置值为基础,选择复制得到pop_size-M个个体,并进行交叉、变异等遗传算法运算.最后将保留的M个粒子位置值与遗传算法进化得到新的pop_size-M个体合并形成新的粒子种群,进行下一代进化运算.该算法在进化过程中能进行多次信息交换,使两种算法互补性得到更充分的发挥.通过5个函数优化实例与其他多种算法的对比研究,表明该算法收敛性能好,运算速度快,优化能力强.此外,还研究了最优粒子保留规模M以及粒子群优化进化较少代数规模对算法性能的影响.
提齣瞭一種基于實數編碼的粒子群優化和遺傳算法的混閤優化算法,該算法首先由粒子群優化進化一定代數後,將最優的M箇粒子保留,去掉適應度較差的pop_size-M箇粒子.然後以這最優的M箇粒子的位置值為基礎,選擇複製得到pop_size-M箇箇體,併進行交扠、變異等遺傳算法運算.最後將保留的M箇粒子位置值與遺傳算法進化得到新的pop_size-M箇體閤併形成新的粒子種群,進行下一代進化運算.該算法在進化過程中能進行多次信息交換,使兩種算法互補性得到更充分的髮揮.通過5箇函數優化實例與其他多種算法的對比研究,錶明該算法收斂性能好,運算速度快,優化能力彊.此外,還研究瞭最優粒子保留規模M以及粒子群優化進化較少代數規模對算法性能的影響.
제출료일충기우실수편마적입자군우화화유전산법적혼합우화산법,해산법수선유입자군우화진화일정대수후,장최우적M개입자보류,거도괄응도교차적pop_size-M개입자.연후이저최우적M개입자적위치치위기출,선택복제득도pop_size-M개개체,병진행교차、변이등유전산법운산.최후장보류적M개입자위치치여유전산법진화득도신적pop_size-M개체합병형성신적입자충군,진행하일대진화운산.해산법재진화과정중능진행다차신식교환,사량충산법호보성득도경충분적발휘.통과5개함수우화실례여기타다충산법적대비연구,표명해산법수렴성능호,운산속도쾌,우화능력강.차외,환연구료최우입자보류규모M이급입자군우화진화교소대수규모대산법성능적영향.
