信息安全与技术
信息安全與技術
신식안전여기술
INFORMATION SECURITY AND TECHNOLOGY
2012年
7期
17-19
,共3页
粒子群算法%相对均匀%学习因子%全局搜索与局部搜索的平衡
粒子群算法%相對均勻%學習因子%全跼搜索與跼部搜索的平衡
입자군산법%상대균균%학습인자%전국수색여국부수색적평형
particle swarm optimization algorithm%relatively uniform%acceleration coefficient%balance in local and globle searching
针对高维复杂函数的标准粒子群算法常存在早熟收敛问题，提出一种让初始化粒子群的位置“相对均匀”并且随着搜索阶段不同而改变认知学习因子和社会学习因子的算法。该算法可以在搜索前期增强全局搜索，使之不陷入局部最优，而到搜索后期增强局部搜索能力，使之得到更精确全局最优解。通过五个典型测试函数的实验结果对比，可以清楚地表明改进后的算法得到的最优解更加接近真实的最优解。
針對高維複雜函數的標準粒子群算法常存在早熟收斂問題，提齣一種讓初始化粒子群的位置“相對均勻”併且隨著搜索階段不同而改變認知學習因子和社會學習因子的算法。該算法可以在搜索前期增彊全跼搜索，使之不陷入跼部最優，而到搜索後期增彊跼部搜索能力，使之得到更精確全跼最優解。通過五箇典型測試函數的實驗結果對比，可以清楚地錶明改進後的算法得到的最優解更加接近真實的最優解。
침대고유복잡함수적표준입자군산법상존재조숙수렴문제，제출일충양초시화입자군적위치“상대균균”병차수착수색계단불동이개변인지학습인자화사회학습인자적산법。해산법가이재수색전기증강전국수색，사지불함입국부최우，이도수색후기증강국부수색능력，사지득도경정학전국최우해。통과오개전형측시함수적실험결과대비，가이청초지표명개진후적산법득도적최우해경가접근진실적최우해。
Partical swarm optimization usually lead to premature convergence, especially in optimizing high-dimensional functions. In this paper, particle relatively uniform distribute in search space when initializing them, two acceleration coefficients vary with iterations and searching stage.The algorithm can make the search behave well in globle searching avoiding local optimum at preactive stage.meanwhile, it strengthens local searching to get more precise globle optimum.Five typical benchmark functions＇ experiment simulation show that proposed algorithm can more better globle optimum.
