如何构建策略解决动态优化问题一直是智能计算研究的重点。采用种群熵来刻画粒子群算法中群体的多样性,在由DF1(Dynamic Function 1)生成的动态环境下分析了4种不同粒子群方法中群体的多样性以及对动态目标点的跟踪效果。实验结果表明,...如何构建策略解决动态优化问题一直是智能计算研究的重点。采用种群熵来刻画粒子群算法中群体的多样性,在由DF1(Dynamic Function 1)生成的动态环境下分析了4种不同粒子群方法中群体的多样性以及对动态目标点的跟踪效果。实验结果表明,动态环境下,群体多样性保持能够影响算法的跟踪效果。可以通过调整分群比例来改变群体的多样性,进而在不同的动态环境下采取不同比例的分群策略以达到较好的跟踪效果。展开更多
文摘如何构建策略解决动态优化问题一直是智能计算研究的重点。采用种群熵来刻画粒子群算法中群体的多样性,在由DF1(Dynamic Function 1)生成的动态环境下分析了4种不同粒子群方法中群体的多样性以及对动态目标点的跟踪效果。实验结果表明,动态环境下,群体多样性保持能够影响算法的跟踪效果。可以通过调整分群比例来改变群体的多样性,进而在不同的动态环境下采取不同比例的分群策略以达到较好的跟踪效果。
