模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2013年
4期
344-350
,共7页
进化算法%粒子群优化%分形布朗运动
進化算法%粒子群優化%分形佈朗運動
진화산법%입자군우화%분형포랑운동
Evolutionary Algorithm%Particle Swarm Optimization%Fractal Brownian Motion
在传统粒子群优化(PSO)算法的基础上,提出粒子群分形进化算法(FEPSO).FEPSO利用分形布朗运动模型中的无规则运动特性模拟优化目标函数未知特性,隐含的趋势变化模拟优化目标函数极值变化的总趋势,从而克服个体过于随机进化和早熟的现象.与传统的PSO算法相比,文中算法中每个粒子包含分形进化阶段.在分形进化阶段,粒子在解的子空间以不同的分形参数进行分形布朗运动方式搜索解空间,并对其分量进行更新.仿真实验结果表明,该算法对大部分标准复合测试函数都具有较强的全局搜索能力,其性能超过国际上最近提出的基于PSO的改进算法.
在傳統粒子群優化(PSO)算法的基礎上,提齣粒子群分形進化算法(FEPSO).FEPSO利用分形佈朗運動模型中的無規則運動特性模擬優化目標函數未知特性,隱含的趨勢變化模擬優化目標函數極值變化的總趨勢,從而剋服箇體過于隨機進化和早熟的現象.與傳統的PSO算法相比,文中算法中每箇粒子包含分形進化階段.在分形進化階段,粒子在解的子空間以不同的分形參數進行分形佈朗運動方式搜索解空間,併對其分量進行更新.倣真實驗結果錶明,該算法對大部分標準複閤測試函數都具有較彊的全跼搜索能力,其性能超過國際上最近提齣的基于PSO的改進算法.
재전통입자군우화(PSO)산법적기출상,제출입자군분형진화산법(FEPSO).FEPSO이용분형포랑운동모형중적무규칙운동특성모의우화목표함수미지특성,은함적추세변화모의우화목표함수겁치변화적총추세,종이극복개체과우수궤진화화조숙적현상.여전통적PSO산법상비,문중산법중매개입자포함분형진화계단.재분형진화계단,입자재해적자공간이불동적분형삼수진행분형포랑운동방식수색해공간,병대기분량진행경신.방진실험결과표명,해산법대대부분표준복합측시함수도구유교강적전국수색능력,기성능초과국제상최근제출적기우PSO적개진산법.
