-
题名学习-考试型的粒子群优化算法
被引量：1
- 1
-
-
作者
代军
李国
徐晨
-
机构
深圳大学数学与计算科学学院智能计算科学研究所
-
出处
《计算机工程与应用》
CSCD
北大核心
2009年第18期48-50,108,共4页
-
基金
国家高技术研究发展计划(863)No.2006AA01A116
广东省自然科学基金No.2008329~~
-
文摘
标准的粒子群算法在进化后期常易于陷入局部最优。为提高粒子群算法的寻优性能,首先对学生学习-考试机制进行分析,得到学习-考试机制的基本原则,然后,利用该原则和粒子局部最优的信息,在粒子陷入局部最优时,对粒子的位置分量进行有机地组合,即考试策略。数值实验结果证明了新策略极大地提高了粒子的寻优性能。
-
关键词
粒子群优化
进化计算
策略
学习-考试
-
Keywords
Particle Swarm Optimization （PSO）
evolutionary computing
strategy
learning-exam
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种带交叉因子的双向寻优粒子群优化算法
被引量：3
- 2
-
-
作者
温雅
李国
徐晨
-
机构
深圳大学数学与计算科学学院智能计算科学研究所
-
出处
《计算机应用研究》
CSCD
北大核心
2013年第1期82-85,共4页
-
基金
国家自然科学基金资助项目(61070087)
广东省教育部产学研结合项目(2009B090300355)
深圳大学校级科研项目(4LGB)
-
文摘
针对传统粒子群算法易早熟、精度低、后期收敛速度慢等问题,结合反向学习理论,提出了一种基于交叉因子的双向寻优粒子群优化算法(CBMPSO)。该算法使初始种群在搜索区域均匀分布,计算粒子及其反向粒子的适应值,取最优作为初始种群;迭代过程增加对全局最差粒子的跟踪,随机开启基于交叉因子的双向学习机制。对几种典型函数的测试结果表明,CBMPSO算法的寻优能力及收敛速度有了显著提高,并且能够有效避免早熟收敛问题。
-
关键词
粒子群优化
双向学习机制
交叉因子
早熟收敛
-
Keywords
particle swarm optimization（PSO）
bilingual learning mechanism
corro-factor
premature convergence
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
