计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
2期
319-322
,共4页
张敏%黄强%许周钊%姜柏庄
張敏%黃彊%許週釗%薑柏莊
장민%황강%허주쇠%강백장
粒子群优化%惯性权重%学习因子%细菌趋化%种群多样性%早熟收敛
粒子群優化%慣性權重%學習因子%細菌趨化%種群多樣性%早熟收斂
입자군우화%관성권중%학습인자%세균추화%충군다양성%조숙수렴
粒子群算法具有简单、易于实现等优点在科学与工程领域得到了很好的验证,但是粒子群优化算法与其他进化算法一样存在容易陷入局部极小和早熟收敛等缺点.分析了其存在缺点的主要原因,并此基础上提出了一种改进的粒子群算法(CPSO).利用余弦函数非线性改变惯性权重、对称改变学习因子进一步提高了粒子的学习能力,同时引入了细菌趋化操作用以维持种群多样性,使得CPSO算法性能在一定程度上优于标准粒子群(SPSO)算法.利用五个标准测试函数对三种算法的仿真结果进行可对比分析,分析结果表明:CPSO算法能在一定程度上跳出局部最优,有效地避免了SPSO算法早熟收敛问题,并具有较快的收敛速度.
粒子群算法具有簡單、易于實現等優點在科學與工程領域得到瞭很好的驗證,但是粒子群優化算法與其他進化算法一樣存在容易陷入跼部極小和早熟收斂等缺點.分析瞭其存在缺點的主要原因,併此基礎上提齣瞭一種改進的粒子群算法(CPSO).利用餘絃函數非線性改變慣性權重、對稱改變學習因子進一步提高瞭粒子的學習能力,同時引入瞭細菌趨化操作用以維持種群多樣性,使得CPSO算法性能在一定程度上優于標準粒子群(SPSO)算法.利用五箇標準測試函數對三種算法的倣真結果進行可對比分析,分析結果錶明:CPSO算法能在一定程度上跳齣跼部最優,有效地避免瞭SPSO算法早熟收斂問題,併具有較快的收斂速度.
입자군산법구유간단、역우실현등우점재과학여공정영역득도료흔호적험증,단시입자군우화산법여기타진화산법일양존재용역함입국부겁소화조숙수렴등결점.분석료기존재결점적주요원인,병차기출상제출료일충개진적입자군산법(CPSO).이용여현함수비선성개변관성권중、대칭개변학습인자진일보제고료입자적학습능력,동시인입료세균추화조작용이유지충군다양성,사득CPSO산법성능재일정정도상우우표준입자군(SPSO)산법.이용오개표준측시함수대삼충산법적방진결과진행가대비분석,분석결과표명:CPSO산법능재일정정도상도출국부최우,유효지피면료SPSO산법조숙수렴문제,병구유교쾌적수렴속도.
