| 学习-考试型的粒子群优化算法 |
| |
| 引用本文： | 代军,李国,徐晨. 学习-考试型的粒子群优化算法[J]. 计算机工程与应用, 2009, 45(18): 48-50. DOI: 10.3778/j.issn.1002-8331.2009.18.015 |
| |
| 作者姓名： | 代军 李国 徐晨 |
| |
| 作者单位： | 深圳大学,数学与计算科学学院,智能计算科学研究所,广东,深圳,518060;深圳大学,数学与计算科学学院,智能计算科学研究所,广东,深圳,518060;深圳大学,数学与计算科学学院,智能计算科学研究所,广东,深圳,518060 |
| |
| 基金项目： | 国家高技术研究发展计划(863计划)，广东省自然科学基金 |
| |
| 摘 要： | 标准的粒子群算法在进化后期常易于陷入局部最优。为提高粒子群算法的寻优性能，首先对学生学习-考试机制进行分析，得到学习-考试机制的基本原则，然后，利用该原则和粒子局部最优的信息，在粒子陷入局部最优时，对粒子的位置分量进行有机地组合，即考试策略。数值实验结果证明了新策略极大地提高了粒子的寻优性能。
|
| 关 键 词： | 粒子群优化 进化计算 策略 学习-考试 |
| 收稿时间： | 2009-01-15 |
| 修稿时间： | 2009-3-23 |
Learning-exam particle swarm optimization algorithm |
| |
| DAI Jun,LI Guo,XU Chen. Learning-exam particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2009, 45(18): 48-50. DOI: 10.3778/j.issn.1002-8331.2009.18.015 |
| |
| Authors: | DAI Jun LI Guo XU Chen |
| |
| Affiliation: | Institute of Intelligent Computing Science，College of Mathematics and Computational Science，Shenzhen University，Shenzhen，Guangdong 518060，China |
| |
| Abstract: | The Standard Particle Swarm Optimization（SPSO） algorithm usually sinks into the local optimal search space at the later stage of the particles’ evolution.To improve the ability of searching global optimal value of particle swarm optimization algorithm，firstly the basic principle of learning-exam mechanism is gotten based on the analysis of students’ learning-exam mechanism.When particle sinks into the local optimal space，its position vector components is compounded organically based on the principle and the particle’s local optimization，that’s the exam strategy.Then numeric experiments indicate that the new strategy greatly improves the particles’ ability of searching global optimal value. |
| |
| Keywords: | Particle Swarm Optimization（PSO） evolutionary computing strategy learning-exam |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
|
