共查询到20条相似文献,搜索用时 62 毫秒
1.
针对微粒群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了一种改进惯性权重的变异微粒群优化算法.在算法运行过程中,对适应度值不同的微粒赋予不同的惯性权重,使算法既具有良好的空间探索能力又有良好的局部挖掘能力;在群体最优信息陷入停滞时引入变异算子,对聚集在局部最优微粒附近的微粒的位置和速度进行变异操作,使算法摆脱局部最优点的束缚.对4种典型函数的测试结果表明,新算法的全局搜索能力和收敛速度都得到了提高,并且能够有效避免早熟收敛问题. 相似文献
2.
3.
4.
为了改善粒子群算法易早熟收敛,精度低等缺点提出一种多尺度协同变异的粒子群优化算法,并证明了该算法以概率1收敛到全局最优解.算法采用多尺度高斯变异机制实现局部解逃逸,在算法初期阶段,利用大尺度变异及均匀变异算子实现全局最优解空间的快速定位;随着适应值的提升,变异尺度随之降低;最终在算法后期阶段,利用小尺度变异算子完成局部精确解空间的搜索.将算法应用6个典型复杂函数优化问题,并同其他带变异操作的PSO算法比较,结果表明,该算法在收敛速度及稳定性上有显著提高. 相似文献
5.
6.
7.
保持粒子活性的改进粒子群优化算法 总被引:6,自引:3,他引:6
针对基本粒子群优化算法(Particle Swarm Optimization,简称PSO)存在的早熟收敛问题,提出了一种保持粒子活性的改进粒子群优化(IPSO)算法。当粒子失活时,对粒子进行变异或扰动操作,重新激活粒子,使粒子能够有效地进行全局和局部搜索。通过对4种Benchmark函数的测试,结果表明IPSO算法不仅具有较快的收敛速度,而且能够更有效地进行全局搜索。 相似文献
8.
9.
求解TSP问题的自逃逸混合离散粒子群算法研究 总被引:3,自引:0,他引:3
通过对旅行商问题(TSP)局部最优解与个体最优解、群体最优解之间的关系分析,针对DPSO算法易早熟和收敛慢的缺点,重新定义了离散粒子群DPSO的速度、位置公式,结合生物界中物种在生存密度过大时个体会自动分散迁徙的特性和局部搜索算法(SEC)后,提出了一种新的自逃逸混合离散粒子群算法(SEHDPSO).自逃逸思想是一种确定性变异操作,能使算法中陷入局部极小区域的粒子通过自逃逸行为进行全局寻优,从而克服算法易早熟的缺陷.仿真结果表明,SEHDPSO算法比混合蚁群算法(ACS+2-OPT)具有更好的收敛性和搜索效率. 相似文献
10.
微粒群算法因其实现简单及优化效果较好而得到广泛应用,但也存在易早熟和局部收敛的缺点;结合Lévy飞行的特性,提出了一种新的带Lévy变异的微粒群算法,并对其收敛性进行分析,指出该算法依概率收敛于全局最优解.通过对8个标准测试函数的仿真实验,结果表明改进算法中的Lévy变异能够利用粒子的当前知识并增加群体的多样性,从而能够更有效地平衡局部搜索和全局搜索,使其具有更好的性能,最后对改进算法的各参数设置进行了探讨分析. 相似文献
11.
熊举峰 《计算机工程与应用》2008,44(31):39-42
介绍了群机器人学的含义、特点和发展现状,分析了研究群机器人系统的相关理论和方法,总结了群机器人学研究的主要内容,并指出其发展趋势。 相似文献
12.
13.
14.
15.
16.
粒子群优化算法(particle swarm optimization,PSO)是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO算法具有简单、易实现、可调参数少等特点,在很多领域得到了广泛应用。但PSO算法存在早熟收敛问题。为了克服粒子群优化算法的早熟收敛问题,提出了一种旨在保持种群多样性的改进PSO(IPSO)算法,以提高PSO算法摆脱局部极小点的能力。通过对3种Benchmark函数的测试,结果表明IPSO算法不仅具有较快的收敛速度、有效的全局收敛性能,而且还具有良好的稳定性。 相似文献
17.
粒子群优化算法(particle swarm optimization,PSO)是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO算法具有简单、易实现、可调参数少等特点,在很多领域得到了广泛应用。但PSO算法存在早熟收敛问题。为了克服粒子群优化算法的早熟收敛问题,提出了一种旨在保持种群多样性的改进PSO(IPSO)算法,以提高PSO算法摆脱局部极小点的能力。通过对3种Benchmark函数的测试,结果表明IPSO算法不仅具有较快的收敛速度、有效的全局收敛性能,而且还具有良好的稳定性。 相似文献
18.
华欣 《电脑编程技巧与维护》2009,(24):16-17,21
粒子群优化算法是一种启发式全局优化技术,一种基于群智能的演化计算方法。本文给出了多种改进形式以及与其他算法的比较,并提出了未来可能的研究方向。 相似文献
19.
In this paper, an attempt has been made by incorporating some special features in the conventional particle swarm optimization (PSO) technique for decentralized swarm agents. The modified particle swarm algorithm (MPSA) for the self-organization of decentralized swarm agents is proposed and studied. In the MPSA, the update rule of the best agent in swarm is based on a proportional control concept and the objective value of each agent is evaluated on-line. In this scheme, each agent self-organizes to flock to the best agent in swarm and migrate to a moving target while avoiding collision between the agent and the nearest obstacle/agent. To analyze the dynamics of the MPSA, stability analysis is carried out on the basis of the eigenvalue analysis for the time-varying discrete system. Moreover, a guideline about how to tune the MPSA's parameters is proposed. The simulation results have shown that the proposed scheme effectively constructs a self-organized swarm system in the capability of flocking and migration.Category (5) – Intelligent Systems / Intelligent Control / Fuzzy Control / Prosthetics / Robot Motion Planning 相似文献
20.
受自然界共生现象的启发,将微粒群算法和协同进化相结合,提出了一种多微粒群协同进化算法。进化过程中,粒子不仅要与本子群的其他微粒交换信息,还要受其他子群体的影响。通过对三个标准函数优化的实验结果表明,此算法在一定程度上避免了陷入局部极值点并且提高了收敛精度。 相似文献