排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
粒子群算法针对高维复杂函数常存在早熟收敛问题,本文提出一种在已有动态调整惯性权重的基础上对学习因子进行改进的粒子群算法,使学习因子随着搜索的不同阶段改变认知学习因子和社会学习因子。比较五个标准测试函数的实验结果,表明改进后的算法得到的结果更优。 相似文献
3.
针对粒子群算法在进化后期收敛精度低、收敛速度慢,尤其是高维时候容易早熟等问题,提出了一种新的混合粒子群优化算法。新算法首先设计了一种新的惯性权重,使惯性权重取值在进化初期和后期都较为适中;其次,为了有效抑制粒子陷入局部极值,引入了粒子最优速度和最差适应值的概念,并以此为基础,设计了粒子的一种新的自适应变异方式;最后引入了平均收敛率和最小平均收敛代数两个概念,可以更好地评价和比较本文算法的性能。八个标准测试函数在100维、200维进行的数值实验证实,新算法收敛精度高,收敛速度快,且有效预防了早熟现象。 相似文献
4.
针对标准粒子群优化算法在优化高维复杂函数时易产生早熟收敛的问题,提出一种新的位置变异的PSO算法。为平衡算法的全局和局部搜索能力,新算法按一定概率交替使用随机惯性权重和标准PSO算法的惯性权重;为增强种群多样性和抑制算法早熟,新算法在每次迭代中,对满足一定条件的粒子都进行一种有效脱离局部最优区域的位置变异。最后,通过对5个标准测试函数在60维和90维的性能对比实验证实:新算法收敛精度高,且有效克服了早熟收敛问题。 相似文献
5.
1