| 基于蚁群系统的参数自适应粒子群算法及其应用 |
| |
| 引用本文： | 杨帆,胡春平,颜学峰.基于蚁群系统的参数自适应粒子群算法及其应用[J].控制理论与应用,2010,27(11):1479-1488. |
| |
| 作者姓名： | 杨帆 胡春平 颜学峰 |
| |
| 作者单位： | 1. 华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海,200237
2. 上海核工程研究设计院,上海,200233 |
| |
| 基金项目： | 国家自然科学基金资助项目(20776042); 国家“863”计划资助项目(2007AA04Z164); 上海市重点学科建设资助项目(B504); 教育部博士点基金资助项目(20090074110005); 上海市曙光计划资助项目(09SG29); 教育部新世纪优秀人才资助项目(NCET–09–0346). |
| |
| 摘 要： | 为了解决粒子群算法惯性权重自适应问题,提出一种基于蚁群系统的惯性权重自适应粒子群算法(AS-PSO).AS-PSO首先将惯性权重取值区间离散化,各个惯性权重子区间在初期赋予相同的信息素;然后,粒子群算法中的各个粒子,根据各个惯性权重子区间中的信息素浓度和粒子在搜索空间中分布的先验知识,确定各个惯性权重子区间的选择概率,并进而实现粒子的空间搜索;最后,基于粒子的进化信息,实现惯性权重子区间信息素浓度的更新.仿真研究表明,AS-PSO算法在种群进化寻优的同时,能根据种群的进化信息,通过蚁群算法实现惯性权重参数的自适应调整和进化,且不增加测试函数的调用次数;算法寻优性能优于传统的自适应粒子群算法和根据速度信息自适应调整参数的粒子群算法.同时,算法实际应用于复杂系统模型参数的优化估计,获得满意结果.
|
| 关 键 词： | 粒子群算法 蚁群算法 参数自适应 进化计算 |
| 收稿时间： | 2009/2/18 0:00:00 |
| 修稿时间： | 2010/1/15 0:00:00 |
Particle swarm optimization algorithm of self-adaptive parameter based on ant system and its application |
| |
| YANG Fan,HU Chun-Ping and YAN Xue-feng.Particle swarm optimization algorithm of self-adaptive parameter based on ant system and its application[J].Control Theory & Applications,2010,27(11):1479-1488. |
| |
| Authors: | YANG Fan HU Chun-Ping and YAN Xue-feng |
| |
| Affiliation: | Key Laboratory of Advanced Control and Optimization for Chemical Processes of Ministry of Education, East China Unviersity of Science and Technology,Shanghai Nuclear Engineering Research and Design Institute,Key Laboratory of Advanced Control and Optimization for Chemical Processes of Ministry of Education, East China Unviersity of Science and Technology |
| |
| Abstract: | |
| |
| Keywords: | particle swarm optimization algorithm ant colony algorithm parameter self-adaption evolutionary computation |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载全文 |
|
