计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
33期
32-35
,共4页
微粒群优化算法%多模型%多阶段%优化
微粒群優化算法%多模型%多階段%優化
미립군우화산법%다모형%다계단%우화
针对微粒群优化算法在解决复杂优化问题时易于出现早熟收敛现象,提出了一种多阶段多模型的改进微粒群优化算法.考虑寻优不同阶段的开发与探测能力需求的差异,算法将寻优过程分成3个阶段,各阶段采用不同的模型进行进化.第一阶段利用标准微粒群优化算法发现局部极值的邻域;第二阶段利用Cognition Only模型快速找到局部极值点,提高寻优效率;第三阶段,提出了一种改进的进化模型,利于粒子快速跳出局部极值点,寻找到全局最优点.4种复杂测试函数的实验结果表明:该算法比标准微粒群优化算法(PSO)和基于不同进化模型的两群优化算法(TSE-PSO)更容易找到全局最优解,相比两群微粒群优化算法,还能在一定程度上提高优化效率.
針對微粒群優化算法在解決複雜優化問題時易于齣現早熟收斂現象,提齣瞭一種多階段多模型的改進微粒群優化算法.攷慮尋優不同階段的開髮與探測能力需求的差異,算法將尋優過程分成3箇階段,各階段採用不同的模型進行進化.第一階段利用標準微粒群優化算法髮現跼部極值的鄰域;第二階段利用Cognition Only模型快速找到跼部極值點,提高尋優效率;第三階段,提齣瞭一種改進的進化模型,利于粒子快速跳齣跼部極值點,尋找到全跼最優點.4種複雜測試函數的實驗結果錶明:該算法比標準微粒群優化算法(PSO)和基于不同進化模型的兩群優化算法(TSE-PSO)更容易找到全跼最優解,相比兩群微粒群優化算法,還能在一定程度上提高優化效率.
침대미립군우화산법재해결복잡우화문제시역우출현조숙수렴현상,제출료일충다계단다모형적개진미립군우화산법.고필심우불동계단적개발여탐측능력수구적차이,산법장심우과정분성3개계단,각계단채용불동적모형진행진화.제일계단이용표준미립군우화산법발현국부겁치적린역;제이계단이용Cognition Only모형쾌속조도국부겁치점,제고심우효솔;제삼계단,제출료일충개진적진화모형,리우입자쾌속도출국부겁치점,심조도전국최우점.4충복잡측시함수적실험결과표명:해산법비표준미립군우화산법(PSO)화기우불동진화모형적량군우화산법(TSE-PSO)경용역조도전국최우해,상비량군미립군우화산법,환능재일정정도상제고우화효솔.