计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2011年
5期
91-96
,共6页
动态种群%广义学习%粒子群算法
動態種群%廣義學習%粒子群算法
동태충군%엄의학습%입자군산법
为了提升粒子跳出局部最优解的能力,本文提出一种动态种群和广义学习粒子群算法(DCPSO).在算法运行过程中,引入种群增加策略和减少策略以提升种群的多样性,进而提升粒子跳出局部最优解的能力;同时引入广义学习策略以增加粒子飞向全局最优位置的概率.在基准函数的测试中,结果显示DCPSO算法比其它PSO算法有更好的性能;在实际应用中,通过对起重机箱型主梁模型进行优化,结果显示DCPSO算法比其它算法获得了质量更高的解.
為瞭提升粒子跳齣跼部最優解的能力,本文提齣一種動態種群和廣義學習粒子群算法(DCPSO).在算法運行過程中,引入種群增加策略和減少策略以提升種群的多樣性,進而提升粒子跳齣跼部最優解的能力;同時引入廣義學習策略以增加粒子飛嚮全跼最優位置的概率.在基準函數的測試中,結果顯示DCPSO算法比其它PSO算法有更好的性能;在實際應用中,通過對起重機箱型主樑模型進行優化,結果顯示DCPSO算法比其它算法穫得瞭質量更高的解.
위료제승입자도출국부최우해적능력,본문제출일충동태충군화엄의학습입자군산법(DCPSO).재산법운행과정중,인입충군증가책략화감소책략이제승충군적다양성,진이제승입자도출국부최우해적능력;동시인입엄의학습책략이증가입자비향전국최우위치적개솔.재기준함수적측시중,결과현시DCPSO산법비기타PSO산법유경호적성능;재실제응용중,통과대기중궤상형주량모형진행우화,결과현시DCPSO산법비기타산법획득료질량경고적해.
