| 基于事件触发的全信息粒子群优化器及其应用 |
| |
| 引用本文： | 王闯, 韩非, 申雨轩, 李学贵, 董宏丽. 基于事件触发的全信息粒子群优化器及其应用. 自动化学报, 2023, 49(4): 891−903 doi: 10.16383/j.aas.c200621 |
| |
| 作者姓名： | 王闯 韩非 申雨轩 李学贵 董宏丽 |
| |
| 作者单位： | 1.东北石油大学人工智能能源研究院 大庆 163318;2.黑龙江省网络化与智能控制重点实验室 大庆 163318;3.东北石油大学计算机与信息技术学院 大庆 163318 |
| |
| 基金项目： | 国家自然科学基金 (U21A2019, 61873058, 61933007, 62073070), 海南省科技专项基金 (ZDYF2022SHFZ105), 黑龙江省省属高校基本科研业务费 (2022TSTD-04) 资助 |
| |
| 摘 要： | 
针对标准粒子群优化算法存在早熟收敛和容易陷入局部最优的问题, 本文提出了一种基于事件触发的全信息粒子群优化算法(Event-triggering-based full-information particle swarm optimization, EFPSO). 首先, 引入一类基于粒子空间特性的事件触发策略实现粒子群优化算法(Particle swarm optimization, PSO) 的模态切换, 更好地维持了算法搜索和收敛能力之间的动态平衡. 然后, 鉴于引入历史信息能够降低算法陷入局部最优的可能性, 提出一种全信息策略来克服PSO算法搜索能力不足的缺陷. 数值仿真实验表明, EFPSO算法在种群多样性、收敛率、成功率方面优于其他改进的PSO算法. 最后, 应用EFPSO算法对变分模态分解(Variational mode decomposition, VMD)去噪算法进行改进, 并在现场管道信号去噪取得了很好的效果.
|
| 关 键 词： | 粒子群优化器 事件触发策略 全信息策略 去噪算法 变分模态分解 |
| 收稿时间： | 2020-08-05 |
|
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载免费的PDF全文 |
|
