| 基于异维变异的差分混合粒子群算法 |
| |
| 作者姓名： | 李俊 罗阳坤 李波 李乔木 |
| |
| 作者单位： | 武汉科技大学计算机科学与技术学院 武汉430065;智能信息处理与实时工业系统湖北省重点实验室 武汉430065,武汉科技大学计算机科学与技术学院 武汉430065;智能信息处理与实时工业系统湖北省重点实验室 武汉430065,武汉科技大学计算机科学与技术学院 武汉430065;智能信息处理与实时工业系统湖北省重点实验室 武汉430065,智能信息处理与实时工业系统湖北省重点实验室 武汉430065;武汉科技大学城市建设学院 武汉430065 |
| |
| 基金项目： | 本文受国家自然科学基金(61572381)资助 |
| |
| 摘 要： | 针对粒子群(Particle Swarm Optimization,PSO)算法和差分进化(Differential Evolution,DE)算法存在容易陷入局部极值、进化后期收敛速度慢和收敛精度低的局限性,提出了一种基于异维变异的差分混合粒子群(UDEPSO)算法。首先,为了提高群体多样性,使用熵度量初始化粒子;其次,在粒子迭代的过程中,根据粒子的分布特点,引入异维变异学习策略和维度因子以引导粒子及时跳出局部极值达到最优解;最后,将所提算法在10个典型的测试函数上进行了仿真,其在9个测试函数的收敛精度和标准差上取得了显著的效果,远优于PSO算法、DEPSO算法以及CDEPSO算法。实验结果表明,UDEPSO算法在优化收敛精度和效率上具有较强的优势。
|
| 关 键 词： | 熵 异维变异 维度因子 粒子群差分混合算法 |
| 收稿时间： | 2017-03-09 |
| 修稿时间： | 2017-06-05 |
|
|
