计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
17期
130-132
,共3页
粒子群优化%惯性权重%自适应变异%服务组合优化
粒子群優化%慣性權重%自適應變異%服務組閤優化
입자군우화%관성권중%자괄응변이%복무조합우화
针对标准粒子群优化(PSO)算法存在收敛速度慢、容易陷入局部最优的问题,提出一个改进的PSO算法,该算法设计一种新的惯性权重,在粒子搜索的不同阶段采用不同的计算公式计算惯性权重,并引入自适应变异策略和线性变化的学习因子.实验结果表明,该算法的收敛性等性能比基本粒子群算法有明显提高,能较好地解决非线性问题.
針對標準粒子群優化(PSO)算法存在收斂速度慢、容易陷入跼部最優的問題,提齣一箇改進的PSO算法,該算法設計一種新的慣性權重,在粒子搜索的不同階段採用不同的計算公式計算慣性權重,併引入自適應變異策略和線性變化的學習因子.實驗結果錶明,該算法的收斂性等性能比基本粒子群算法有明顯提高,能較好地解決非線性問題.
침대표준입자군우화(PSO)산법존재수렴속도만、용역함입국부최우적문제,제출일개개진적PSO산법,해산법설계일충신적관성권중,재입자수색적불동계단채용불동적계산공식계산관성권중,병인입자괄응변이책략화선성변화적학습인자.실험결과표명,해산법적수렴성등성능비기본입자군산법유명현제고,능교호지해결비선성문제.
