-
题名具有启发式探测及自学习特征的降维对称微粒群算法
被引量：7
- 1
-
-
作者
邵增珍
王洪国
刘弘
-
机构
山东师范大学信息科学与工程学院
-
出处
《计算机科学》
CSCD
北大核心
2010年第5期219-222,共4页
-
基金
国家自然科学基金(60970004)
山东省科技攻关项目(2009GG10001008)
济南市高校院所自主创新项目(200906001)资助
-
文摘
提出对称微粒群算法SymPSO_HD,用以提高PSO算法的搜索能力。引入种群分布熵以保证种群的分布性;引入具有探测特征的启发式粒子,用以影响普通粒子的位置;提出邻域内的克隆变异选择策略及全局范围内的降维对称粒子策略,用以增强粒子的局部及全局学习能力。仿真实验及分析结果表明,SymPSO_HD算法搜索能力稳定,适应性强,能以较大概率收敛到全局最优。
-
关键词
降维对称微粒群算法
种群分布熵
启发式探测
克隆变异
-
Keywords
Dimensionality reduction symmetrical PSO Population scatter entropy Heuristic detection Clone and mutation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名具有趋向向量及迁移特征的协同PSO算法
- 2
-
-
作者
邵增珍
王洪国
刘弘
赵学臣
-
机构
山东师范大学信息科学与工程学院
山东省分布式计算机软件新技术重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第21期185-187,193,共4页
-
基金
国家自然科学基金资助项目(60970004)
山东省科技攻关计划基金资助项目(2009GG10001008)
济南市高校院所自主创新基金资助项目(200906001)
-
文摘
为提高PSO算法的搜索能力,提出一种协同粒子群算法CPSO-ADS。引入种群分布熵及群落差异度评价,用以有效初始化群落。给出趋向向量修正粒子的位置向量,提高算法收敛速度。运用占优子空间概念,通过评价子空间搜索价值确定种群的迁移方向。实验结果表明,该算法搜索性能稳定,能以大概率收敛到全局最优。
-
关键词
种群分布熵
趋向向量
占优子空间
协同进化
粒子群优化算法
-
Keywords
population scatter entropy
appulsive vector
dominant subspace
co-evolution
Particle Swarm Optimization（PSO） algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名动态调整概率的双重布谷鸟搜索算法
被引量：11
- 3
-
-
作者
陈程
贺兴时
杨新社
-
机构
西安工程大学理学院
密德萨斯大学科学与技术学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第5期859-880,共22页
-
基金
陕西省科技厅重点项目(2018kW-021)
陕西省教育厅自然科学专项(19JK0359)
陕西省自然科学基础研究计划(2020JQ-831)。
-
文摘
布谷鸟搜索算法是一种新兴的仿生智能算法,存在着求解精度低、易陷入局部最优及收敛速度慢等缺陷,提出了动态调整概率的双重布谷鸟搜索算法(DECS)。首先,在自适应发现概率P中引入了种群分布熵,通过算法的所处迭代阶数和种群分布情况,动态改变发现概率P的大小,有利于平衡布谷鸟算法局部寻优和全局寻优的能力,加快收敛速度;其次,在布谷鸟寻窝的路径位置更新公式中,采用了一种新型步长因子更新寻优方式,形成Levy飞行双重搜索模式,充分搜索空间;最后,在随机偏好游走的更新公式引入非线性对数递减的惯性权重策略,使得算法有效克服易陷入局部最优的缺陷,提高寻优搜索能力。与4种算法相比和19个测试函数的仿真结果表明:改进布谷鸟算法的寻优性能明显提高,收敛速度更快,求解精度更高,具有更强的全局搜索能力和跳出局部最优能力。
-
关键词
种群分布熵
双重搜索模式
非线性对数递减的惯性权重
新型步长因子
-
Keywords
population distribution entropy
dual search mode
nonlinear logarithmic decreasing inertial weight
new step-size factor
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
