计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
11期
3241-3244,3249
,共5页
粒子群优化%平均搜索%柯西变异%时变加速因子%全局搜索
粒子群優化%平均搜索%柯西變異%時變加速因子%全跼搜索
입자군우화%평균수색%가서변이%시변가속인자%전국수색
Particle Swarm Optimization (PSO)%mean search%Cauchy mutation%Time-Varying Acceleration Coefficient (TVAC)%global search
针对基本粒子群优化(PSO)算法早熟收敛和后期搜索效率低的问题,提出一种利用种群平均信息和精英变异的粒子群优化算法——MEPSO算法.该算法引入粒子个体与群体的平均信息,利用粒子平均信息来提高算法全局搜索能力,并采用时变加速系数(TVAC)以平衡算法的局部搜索和全局搜索能力;在算法后期,采用精英学习策略对精英粒子进行柯西变异操作,以进一步提高算法的全局搜索能力,减少算法陷入局部最优的危险.在6个典型的复杂函数上与基本PSO (BPSO)算法、时变加速因子PSO(PSO-TVAC)算法、时变惯性权重PSO (PSO-TVIW)算法和小波变异PSO (HPSOWM)算法进行对比,MEPSO的均值与标准方差均优于对比算法,且寻优时间最短,可靠性更好.结果表明,MEPSO能较好地兼顾局部搜索和全局搜索能力,收敛速度快,收敛精度和搜索效率高.
針對基本粒子群優化(PSO)算法早熟收斂和後期搜索效率低的問題,提齣一種利用種群平均信息和精英變異的粒子群優化算法——MEPSO算法.該算法引入粒子箇體與群體的平均信息,利用粒子平均信息來提高算法全跼搜索能力,併採用時變加速繫數(TVAC)以平衡算法的跼部搜索和全跼搜索能力;在算法後期,採用精英學習策略對精英粒子進行柯西變異操作,以進一步提高算法的全跼搜索能力,減少算法陷入跼部最優的危險.在6箇典型的複雜函數上與基本PSO (BPSO)算法、時變加速因子PSO(PSO-TVAC)算法、時變慣性權重PSO (PSO-TVIW)算法和小波變異PSO (HPSOWM)算法進行對比,MEPSO的均值與標準方差均優于對比算法,且尋優時間最短,可靠性更好.結果錶明,MEPSO能較好地兼顧跼部搜索和全跼搜索能力,收斂速度快,收斂精度和搜索效率高.
침대기본입자군우화(PSO)산법조숙수렴화후기수색효솔저적문제,제출일충이용충군평균신식화정영변이적입자군우화산법——MEPSO산법.해산법인입입자개체여군체적평균신식,이용입자평균신식래제고산법전국수색능력,병채용시변가속계수(TVAC)이평형산법적국부수색화전국수색능력;재산법후기,채용정영학습책략대정영입자진행가서변이조작,이진일보제고산법적전국수색능력,감소산법함입국부최우적위험.재6개전형적복잡함수상여기본PSO (BPSO)산법、시변가속인자PSO(PSO-TVAC)산법、시변관성권중PSO (PSO-TVIW)산법화소파변이PSO (HPSOWM)산법진행대비,MEPSO적균치여표준방차균우우대비산법,차심우시간최단,가고성경호.결과표명,MEPSO능교호지겸고국부수색화전국수색능력,수렴속도쾌,수렴정도화수색효솔고.
