-
题名采用种群平均信息和精英变异的改进粒子群算法
被引量：4
- 1
-
-
作者
林国汉
章兢
刘朝华
-
机构
湖南大学电气与信息工程学院
湖南工程学院电气信息学院
湖南科技大学信息与电气工程学院
-
出处
《计算机应用》
CSCD
北大核心
2014年第11期3241-3244,3249,共5页
-
基金
国家自然科学基金资助项目(61174140)
中国博士后科学基金资助项目(2013M540628)
湖南省自然科学基金资助项目(14JJ3107)
-
文摘
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。
-
关键词
粒子群优化
平均搜索
柯西变异
时变加速因子
全局搜索
-
Keywords
Particle Swarm Optimization（PSO）
mean search
Cauchy mutation
Time-Varying Acceleration Coefficient（TVAC）
global search
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
