摘要
针对标准粒子群优化算法存在收敛速度慢和难以跳出局部最优等问题,提出了一种基于紧凑度和调度处理的粒子群优化算法。给出了粒子紧凑度和调度处理的概念和方法,通过动态评价粒子群中各粒子间的紧凑程度,从而确定调度的粒子,进而对其进行调度处理,避免粒子陷入局部最优。对11个常见的标准函数进行测试,并与标准粒子群算法和其他改进算法进行对比,实验结果表明,基于紧凑度和调度处理的粒子群优化算法具有较高的寻优精度和较快的收敛速度。
To the problems of slow convergence and easy to fall into local optimization appeared in standard particle swarm optimization, this paper proposes a particle compaction and scheduling based particle swarm optimization （PCS-PSO）. Firstly, this paper presents the regulations of particles＇ compaction and scheduling. In order to avoid particles to stay in local optimization, PCS-PSO evaluates dynamically particle＇ s compaction and schedules the particle when the value of the particle＇ s compaction is beyond the threshold. Compared with standard particle swarm optimization and other optimization algorithms using 11 benchmark functions, the experimental results show that PCS-PSO has better behaviors in convergence accuracy and speed.
出处
《计算机科学与探索》
CSCD
北大核心
2016年第5期742-750,共9页
Journal of Frontiers of Computer Science and Technology
基金
国家自然科学基金No.61402203
江苏省普通高校研究生科研创新计划项目No.KYLX15_1169~~
关键词
粒子群优化算法
局部最优
紧凑度
调度处理
寻优精度
收敛速度
particle swarm optimization
local optimization
compaction
scheduling
accuracy of convergence
speed of convergence
作者简介
周丹（1989-），女，湖北荆州人，江南大学硕士研究生，CCF会员，主要研究领域为人工智能，模式识别。葛洪伟（1967-），男，江苏无锡人，1992年于南京航空航天大学计算机系获得硕士学位，2008年于江南大学信息学院获得博士学位，现为江南大学物联网工程学院教授、博士生导师，主要研究领域为人工智能与模式识别，机器学习，图像处理与分析等。在国际权威期刊、会议和国内核心期刊上发表论文70多篇，主持和承担了国家自然科学基金等国家级项目和省部级项目近20项，获省部级科技进步奖多项。苏树智（1987-），男，山东泰安人，江南大学博士研究生，主要研究领域为模式识别，机器学习。袁运浩（1983-），男，江苏徐州人，2013年于南京理工大学获得博士学位，现为江南大学物联网工程学院副教授，主要研究领域为模式识别，机器学习。
