| 一种改进的自适应逃逸微粒群算法及实验分析 |
| |
| 引用本文： | 赫然,王永吉,王青,周津慧,胡陈勇.一种改进的自适应逃逸微粒群算法及实验分析[J].软件学报,2005,16(12):2036-2044. |
| |
| 作者姓名： | 赫然 王永吉 王青 周津慧 胡陈勇 |
| |
| 作者单位： | 1. 中国科学院,软件研究所,互联网软件技术实验室,北京,100080
2. 中国科学院,软件研究所,互联网软件技术实验室,北京,100080;中国科学院,软件研究所,计算机科学重点实验室,北京,100080 |
| |
| 基金项目： | Supported by the National Natural Science Foundation of China under Grant Nos.60373053,60473060(国家自然科学基金);the National High-Tech Research and Development Plan of China under Grant No.2004AAll2080(国家高技术研究发展计划(863));the Hundred Talents of the Chinese Academy of Sciences(中国科学院"百人计划") |
| |
| 摘 要： | 分析了变异操作对微粒群算法(particle swarmoptimization,简称PSO)的影响,针对收敛速度慢、容易陷入局部极小等缺点,结合生物界中物种发现生存密度过大时会自动分家迁移的习性,给出了一种自适应逃逸微粒群算法,并证明了它依概率收敛到全局最优解.算法中的逃逸行为是一种简化的确定变异操作.当微粒飞行速度过小时,通过逃逸运动使微粒能够有效地进行全局和局部搜索,减弱了随机变异操作带来的不稳定性.典型复杂函数优化的仿真结果表明,该算法不仅具有更快的收敛速度,而且能更有效地进行全局搜索.
|
| 关 键 词： | 微粒群算法 逃逸速度 自适应 变异操作 群体智能 |
| 文章编号： | 1000-9825/2005/16(12)2036 |
| 收稿时间： | 10 25 2004 12:00AM |
| 修稿时间： | 04 10 2005 12:00AM |
An Improved Particle Swarm Optimization Based on Self-Adaptive Escape Velocity |
| |
| HE Ran,WANG Yong-Ji,WANG Qing,ZHOU Jin-Hui and HU Chen-Yong.An Improved Particle Swarm Optimization Based on Self-Adaptive Escape Velocity[J].Journal of Software,2005,16(12):2036-2044. |
| |
| Authors: | HE Ran WANG Yong-Ji WANG Qing ZHOU Jin-Hui and HU Chen-Yong |
| |
| Affiliation: | 1.Laboratory for Internet Software TechnoLogies, Institute of Software, The Chinese Academy of Sciences, Beijing 100080 China;2.Laboratory of Computer Science, Institute of Software, The Chinese Academy of Sciences, Beijing 100080, China |
| |
| Abstract: | |
| |
| Keywords: | particle swarm optimization escape velocity self-adaptive mutation swarm intelligence |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|
