| 融合多种策略的改进粒子群算法 |
| |
| 引用本文： | 胡佳.融合多种策略的改进粒子群算法[J].计算机系统应用,2021,30(7):172-177. |
| |
| 作者姓名： | 胡佳 |
| |
| 作者单位： | 中国市政工程中南设计研究总院有限公司, 武汉 430010 |
| |
| 摘 要： | 为有效解决粒子群优化算法(Particle Swarm Optimization, PSO)容易陷入局部极值及进化后期收敛速度慢、精度低等缺点, 提出了一种融合多种策略的改进粒子群算法(Improved Particle Swarm Optimization, IPSO). 该算法包括以下4点改进:(1)采取分组控制策略, 按适应度值将种群分为优解组和劣解组, 优解组进行遗传交叉操作, 劣解组进行变异操作; (2)精英策略用来更新种群, 根据适应度值从经过交叉和变异操作后的种群及初始种群中选出前一半粒子作为新种群; (3)改进粒子学习模式, 充分利用种群信息, 以优良种群的均值代替个体最优位置;(4)引入概率控制来控制算法进入交叉和变异操作的概率. 测试函数的仿真结果表明, 与标准PSO及其改进算法相比, IPSO算法能有效兼顾全局探索和局部挖掘能力, 具有收敛速度快、求解精度高、避开局部最优解的优点.
|
| 关 键 词： | 粒子群算法 分组策略 精英策略 概率控制 |
| 收稿时间： | 2020/10/21 0:00:00 |
| 修稿时间： | 2020/11/18 0:00:00 |
Improved Particle Swarm Optimization Integrating Multiple Strategies |
| |
| HU Jia.Improved Particle Swarm Optimization Integrating Multiple Strategies[J].Computer Systems& Applications,2021,30(7):172-177. |
| |
| Authors: | HU Jia |
| |
| Affiliation: | Central & Southem China Municipal Engineering Design and Research Institute Co. Ltd., Wuhan 430010, China |
| |
| Abstract: | |
| |
| Keywords: | Particle Swarm Optimization (PSO) grouping strategy elite strategy probability control |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
