计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
4期
1040-1044
,共5页
粒子群优化算法%多样性%自适应任务分配%精英学习%动态邻域
粒子群優化算法%多樣性%自適應任務分配%精英學習%動態鄰域
입자군우화산법%다양성%자괄응임무분배%정영학습%동태린역
Particle Swarm Optimization (PSO) algorithm%diversity%adaptive task allocation%elitist learning%dynamic neighborhood
针对基本粒子群优化(PSO)算法早熟收敛、易陷入局部极值的缺陷,提出自适应任务分配的粒子群优化算法.该算法根据粒子的多样性动态分配粒子任务,把种群粒子分为开发和探索两种类型,分别采用全局模型和动态邻域局部模型执行开发和探索任务以平衡算法的全局和局部搜索能力,维持种群多样性.动态邻域模型扩大了解的搜索空间,能有效抑制早熟停滞现象,采用高斯扰动对处于停滞状态的精英粒子进行学习,协助精英粒子跳出局部最优,进入解空间的其他区域继续进行搜索.针对6个标准复合测试函数进行实验,结果表明所提算法具有更强的全局搜索能力,求解精度更高.
針對基本粒子群優化(PSO)算法早熟收斂、易陷入跼部極值的缺陷,提齣自適應任務分配的粒子群優化算法.該算法根據粒子的多樣性動態分配粒子任務,把種群粒子分為開髮和探索兩種類型,分彆採用全跼模型和動態鄰域跼部模型執行開髮和探索任務以平衡算法的全跼和跼部搜索能力,維持種群多樣性.動態鄰域模型擴大瞭解的搜索空間,能有效抑製早熟停滯現象,採用高斯擾動對處于停滯狀態的精英粒子進行學習,協助精英粒子跳齣跼部最優,進入解空間的其他區域繼續進行搜索.針對6箇標準複閤測試函數進行實驗,結果錶明所提算法具有更彊的全跼搜索能力,求解精度更高.
침대기본입자군우화(PSO)산법조숙수렴、역함입국부겁치적결함,제출자괄응임무분배적입자군우화산법.해산법근거입자적다양성동태분배입자임무,파충군입자분위개발화탐색량충류형,분별채용전국모형화동태린역국부모형집행개발화탐색임무이평형산법적전국화국부수색능력,유지충군다양성.동태린역모형확대료해적수색공간,능유효억제조숙정체현상,채용고사우동대처우정체상태적정영입자진행학습,협조정영입자도출국부최우,진입해공간적기타구역계속진행수색.침대6개표준복합측시함수진행실험,결과표명소제산법구유경강적전국수색능력,구해정도경고.
