长春大学学报（自然科学版）
長春大學學報（自然科學版）
장춘대학학보（자연과학판）
Journal of Changchun University
2015年
4期
42-49
,共8页
动物迁徙算法%粒子群优化算法%群集智能%PSAMO%全局优化问题
動物遷徙算法%粒子群優化算法%群集智能%PSAMO%全跼優化問題
동물천사산법%입자군우화산법%군집지능%PSAMO%전국우화문제
animal migration algorithm%particle swarm optimization algorithm%swarm intelligence%PSAMO%global optimization problem
致力于探索如何进一步提高动物迁徙算法的寻优能力和收敛速度,为此结合动物迁徙算法( AMO)和粒子群算法( PSO)提出了改进的动物迁徙算法( PSAMO)用来求解全局优化问题. 改进策略在于应用标准粒子群算法中惯性权重W的特性,通过对惯性权重W的线性调节,来提高算法的全局搜索能力. 在Matlab中为改进的动物迁徙算法设计了仿真实验. 使用了23个benchmark基准测试函数,并将改进的算法所得到的最优解的平均值与粒子群优化算法、萤火虫算法、布谷鸟算法等已有的传统优化算法进行比较.
緻力于探索如何進一步提高動物遷徙算法的尋優能力和收斂速度,為此結閤動物遷徙算法( AMO)和粒子群算法( PSO)提齣瞭改進的動物遷徙算法( PSAMO)用來求解全跼優化問題. 改進策略在于應用標準粒子群算法中慣性權重W的特性,通過對慣性權重W的線性調節,來提高算法的全跼搜索能力. 在Matlab中為改進的動物遷徙算法設計瞭倣真實驗. 使用瞭23箇benchmark基準測試函數,併將改進的算法所得到的最優解的平均值與粒子群優化算法、螢火蟲算法、佈穀鳥算法等已有的傳統優化算法進行比較.
치력우탐색여하진일보제고동물천사산법적심우능력화수렴속도,위차결합동물천사산법( AMO)화입자군산법( PSO)제출료개진적동물천사산법( PSAMO)용래구해전국우화문제. 개진책략재우응용표준입자군산법중관성권중W적특성,통과대관성권중W적선성조절,래제고산법적전국수색능력. 재Matlab중위개진적동물천사산법설계료방진실험. 사용료23개benchmark기준측시함수,병장개진적산법소득도적최우해적평균치여입자군우화산법、형화충산법、포곡조산법등이유적전통우화산법진행비교.
In order to improve the capability of obtaining the global solution and having better convergence rate, a new hybrid algorithm is proposed as PSAMO by combining AMO and PSO to deal with global optimization problems.The strategies for revision lie in adjusting parameter "W" to have enough global search capability in PSAMO.To verify the performance of PSAMO, we applied it to 23 standard benchmark functions, and set up a simulation experiment in Matlab comparing the result of mean of optimal solution with some other optimization algorithms like PSO, FA, CS, etc.
