求解高维复杂连续优化问题的粒子群算法研究 |
| |
引用本文: | 潘允敬.求解高维复杂连续优化问题的粒子群算法研究[J].南方冶金学院学报,2018(3). |
| |
作者姓名: | 潘允敬 |
| |
作者单位: | 厦门海合达电子信息股份有限公司 |
| |
摘 要: | 传统粒子群优化算法(PSO)求解较为复杂的高维度优化问题时,易出现早熟收敛现象,引发收敛效果变差,导致解的精度较低等问题.为求解现代社会出现的更多复杂优化问题,提高粒子群算法求解精度,引入分组变异的思想,在粒子迭代进化过程中以递减的方式控制变异概率.种群进化过程中是利用贪心搜索的方式,在后期会出现种群聚拢,因此引入反向学习策略,使得种群在聚拢环境下可以扩展搜索空间,离开局部最优位置.经过实验仿真证明,提出的新型粒子群算法(NEWPSO)在优化高维函数上具有更好的性能.
|
本文献已被 CNKI 等数据库收录! |
|