首页 | 本学科首页   官方微博 | 高级检索  
     检索      

改进的多种群协同进化微粒群优化算法
引用本文:陶新民,徐晶,杨立标,刘玉.改进的多种群协同进化微粒群优化算法[J].控制与决策,2009,24(9).
作者姓名:陶新民  徐晶  杨立标  刘玉
作者单位:1. 哈尔滨工程大学,信息与通信工程学院,哈尔滨,150001
2. 黑龙江科技学院,数力系,哈尔滨,150027
基金项目:黑龙江省博士后基金项目(3236301199);;哈尔滨工程大学校科研基金项目(002080260735)
摘    要:提出一种改进的基于多种群协同进化的微粒群优化算法(PSO).该算法首先利用免疫算法实现解空间的均匀划分,增加了算法稳定性和全局搜索能力.在运行过程中,通过种群进化信息生成解优胜区域,指导变异生成的微粒群向最优解子空间逼近,提高算法逃出局部最优的能力.将此算法与PSO 算法和多种群协同进化微粒群算法进行比较,数据实验证明,该算法不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和稳定性均有显著提高.

关 键 词:粒子群算法  多种群协同进化  免疫算法  优胜区域  
收稿时间:2008-11-22
修稿时间:2009-4-21

Multi-species cooperative particle swarm optimization algorithm
TAO Xin-min,XU Jing,YANG Li-biao,LIU Yu.Multi-species cooperative particle swarm optimization algorithm[J].Control and Decision,2009,24(9).
Authors:TAO Xin-min  XU Jing  YANG Li-biao  LIU Yu
Institution:1.College of Information and Communication Engineering;Harbin Engineering University;Harbin 150001;China;2.Department of Mathematics and Mechanics;Heilongjiang Institute of Science and Technology;Harbin 150027;China.
Abstract:A particle swarm optimization algorithm based on multi-species cooperative evolution is presented.In this approach,the result space separation based on immune system is introduced into the particle swarm optimization(PSO) initial step,which reinforces the stability and global exploration ability of the PSO algorithm.In the evolution process,the best result value space is generated by using the multi-species evolution information,which is explored to induce the new particle swarm generated by stochastic muta...
Keywords:Particle swarm optimization algorithm  Multi-species cooperative evolution  Immune system  The best result value space  
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《控制与决策》浏览原始摘要信息
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号