-
题名混合粒子群算法在高维复杂函数寻优中的应用
被引量:13
- 1
-
-
作者
谭皓
沈春林
李锦
-
机构
南京航空航天大学自动化学院
中国航天科工集团二院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2005年第8期1471-1474,共4页
-
基金
教育部博士点基金(20030287008)
航空基金(02F15001
01C15001)资助课题
-
文摘
针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况,提出了一种改进的算法结构。通过构造单个粒子的最优序列代替单一的进化方向和类似于蚁群算法信息素表的选择机制,保留了粒子的多种进化可能方向,提高了粒子间的多样性差异,从而改善算法能力。算法同时设计了最优序列的加入规则和基于粒子群聚度的最优序列动态长度控制方法。改进后的混合粒子群算法保证了算法拥有更强的搜索能力,也保留了粒子群算法高效优化的特点。仿真实验证明,混合粒子群方法相对传统方法而言具有明显的精度优势。
-
关键词
高维复杂函数
全局优化
粒子群算法
进化计算
-
Keywords
high-dimension complex functions
global optimization algorithm
particle swarm optimization
evolutionary computation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进粒子群算法在高维复杂函数寻优中的应用
被引量:2
- 2
-
-
作者
国博
王社伟
陶军
-
机构
空军航空大学航空控制工程系
-
出处
《计算机工程与应用》
CSCD
北大核心
2010年第16期232-234,240,共4页
-
文摘
针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况,提出了一种改进的算法结构,命名为多阶段多子群粒子群算法(Multi-stage Multi-subpopulation Particle Swarm Optimization,MMPSO),该方法主要通过多子群之间阶段性的重分组策略,强化不同群体之间的信息交流,增大其搜索到全局最优解的概率,同时,为了保留粒子群算法高效优化的特点,通过分阶段搜索模式的转变,将全局最好模型收敛的快速性和局部最好模型收敛的全局最优性进行折中,确保改进后的粒子群算法拥有更强的全局搜索能力和尽量高的收敛速度。仿真实验证明,MMPSO算法相对于基本粒子群算法而言具有明显的精度优势。
-
关键词
高维复杂函数
全局优化
粒子群算法
-
Keywords
high-dimension complex functions
global optimization algorithm
particle swarm optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名自适应变异的天牛群优化算法
被引量:14
- 3
-
-
作者
沈涵
都海波
周俊
-
机构
合肥工业大学电气与自动化工程学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第S02期1-7,共7页
-
基金
国家自然科学基金资助项目(61673153)。
-
文摘
针对复杂优化问题下粒子群优化算法收敛速度慢和易早熟收敛的缺陷,提出一种结合粒子群优化算法与天牛须搜索算法的新型优化算法——自适应变异的天牛群优化算法。首先,通过引入个体粒子对周围环境的感知机制,构造一种基于自适应须长与步长的天牛群优化算法,丰富个体在迭代过程中可参考的信息;然后,引入多维扰动群体最优位置的变异策略,实现减少陷入局部最优解的功能;最后,根据群体聚集程度调整变异概率,并随着迭代的进行逐步降低变异概率以使天牛群在迭代后期稳定在局部精细搜索。为验证算法的性能,将新算法与其他7个对比算法针对7个经典测试函数在不同维度下针对平均适应值和算法运行时间进行比较,此外,还进行了神经网络训练对比测试以验证算法实用效果。实验结果表明新算法的寻优效果和收敛速度较其他算法有较大提高,尤其适合应对高维复杂优化问题。
-
关键词
粒子群优化算法
天牛须搜索算法
自适应
须长
步长
变异
高维复杂优化问题
-
Keywords
Particle Swarm optimization(PSO)algorithm
Beetle Antennae Search(BAS)algorithm
adaptation
antennae length
step size
mutation
complex optimization problems of high dimension
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名高维复杂函数的混合模拟退火全局优化策略
被引量:6
- 4
-
-
作者
王忠贵
罗亚中
-
机构
国防科技大学航天与材料工程学院
中国载人航天工程办公室
-
出处
《计算机工程与应用》
CSCD
北大核心
2004年第23期36-39,共4页
-
基金
国家863高技术研究发展计划课题(编号:2002AA001006)
-
文摘
对于高维复杂函数优化问题,经典的优化算法存在着初始点敏感、局部收敛等问题;而模拟退火算法等智能算法则有着计算成本高昂、算法早熟等缺陷。NFL定理犤1犦预示了混合优化策略是解决实际优化问题的最好途径。该文融合了模拟退火算法和经典算法的优点,设计了高维复杂函数混合模拟退火优化策略。混合优化策略具有模拟退火算法的全局收敛性,同时引入强局部收敛经典算法作为模拟退火算法的精英个体提高算子,提高了模拟退火算法局部开采能力,加快了收敛速度。数值仿真计算结果表明,混合模拟退火策略求解高维复杂函数的性能大大优于单一算法,具有强鲁棒性、高收敛速度和高精度等优点。该文的算法设计思想对于解决实际问题有较好的借鉴意义。
-
关键词
高维复杂函数
混合全局优化
模拟退火算法
NFL定理
精英策略
-
Keywords
complex functions with high-dimension,hybrid global optimization,Simulated Annealing(SA),NFL theorem,elite approach
-
分类号
TP11
[自动化与计算机技术—控制理论与控制工程]
-