计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2010年
9期
1271-1276
,共6页
叶长燊%林诚%张慧%付杰
葉長燊%林誠%張慧%付傑
협장신%림성%장혜%부걸
微粒群%非线性%更新%惯性因子
微粒群%非線性%更新%慣性因子
미립군%비선성%경신%관성인자
微粒群算法是基于群体智能的全局优化算法,在许多领域得到广泛的应用.该算法具有简单易于实现的优点,但是容易陷入局部极值尤其是采用动态惯性因子.采用动态惯性因子有利于提高微粒群算法的收敛速度,但降低了其全局搜索能力.针对具有惯性因子微粒群算法在进化过程中微粒群多样性减弱容易陷入局部最优值的问题,以非线性动态惯性因子的微粒群算法为基础,提出1种基于部分微粒更新的微粒群算法,以提高微粒群的多样性,进而提高了算法的全局搜索能力.新算法利用Sphere、Rastrigin、Rosenbrock、Schaffer、Freudenstein-Roth、Goldstern-Price 6个经典测试函数进行测试,并与基本微粒群算法和具有线性动态惯性因子微粒群算法比较.通过模拟优化比较,新算法寻优效率高、全局性能好、优化结果稳定,新算法能有效提高微粒群的多样性,具有较好的收敛性能和全局优化能力,尤其适合多峰函数的优化.
微粒群算法是基于群體智能的全跼優化算法,在許多領域得到廣汎的應用.該算法具有簡單易于實現的優點,但是容易陷入跼部極值尤其是採用動態慣性因子.採用動態慣性因子有利于提高微粒群算法的收斂速度,但降低瞭其全跼搜索能力.針對具有慣性因子微粒群算法在進化過程中微粒群多樣性減弱容易陷入跼部最優值的問題,以非線性動態慣性因子的微粒群算法為基礎,提齣1種基于部分微粒更新的微粒群算法,以提高微粒群的多樣性,進而提高瞭算法的全跼搜索能力.新算法利用Sphere、Rastrigin、Rosenbrock、Schaffer、Freudenstein-Roth、Goldstern-Price 6箇經典測試函數進行測試,併與基本微粒群算法和具有線性動態慣性因子微粒群算法比較.通過模擬優化比較,新算法尋優效率高、全跼性能好、優化結果穩定,新算法能有效提高微粒群的多樣性,具有較好的收斂性能和全跼優化能力,尤其適閤多峰函數的優化.
미립군산법시기우군체지능적전국우화산법,재허다영역득도엄범적응용.해산법구유간단역우실현적우점,단시용역함입국부겁치우기시채용동태관성인자.채용동태관성인자유리우제고미립군산법적수렴속도,단강저료기전국수색능력.침대구유관성인자미립군산법재진화과정중미립군다양성감약용역함입국부최우치적문제,이비선성동태관성인자적미립군산법위기출,제출1충기우부분미립경신적미립군산법,이제고미립군적다양성,진이제고료산법적전국수색능력.신산법이용Sphere、Rastrigin、Rosenbrock、Schaffer、Freudenstein-Roth、Goldstern-Price 6개경전측시함수진행측시,병여기본미립군산법화구유선성동태관성인자미립군산법비교.통과모의우화비교,신산법심우효솔고、전국성능호、우화결과은정,신산법능유효제고미립군적다양성,구유교호적수렴성능화전국우화능력,우기괄합다봉함수적우화.