首页 | 本学科首页   官方微博 | 高级检索  
     

微粒群算法与郭涛算法在数值优化中的比较
引用本文:贺毅朝,张翠军,王培崇,张巍. 微粒群算法与郭涛算法在数值优化中的比较[J]. 计算机工程与应用, 2007, 43(11): 100-103
作者姓名:贺毅朝  张翠军  王培崇  张巍
作者单位:石家庄经济学院,信息工程系,石家庄,050031;石家庄经济学院,信息工程系,石家庄,050031;石家庄经济学院,信息工程系,石家庄,050031;石家庄经济学院,信息工程系,石家庄,050031
基金项目:河北省教育厅科研项目 , 河北省科技攻关项目
摘    要:对于9个典型的复杂BenchMark测试函数,分别利用PSO算法和GuoA算法进行数值计算比较,大量实验结果表明:GuoA算法更具有通用性和坚韧性,在全局收敛趋势方面较优,但是速度相对较慢;PSO算法的收敛速度很快,而且对于某些极难问题更具有优越性,但成功率相对较低,且容易早熟。

关 键 词:演化算法  微粒群算法  郭涛算法  BenchMark函数
文章编号:1002-8331(2007)11-0100-04
收稿时间:2006-04-17
修稿时间:2006-07-01

Particle Swarm Optimization Compare with Guo Tao Algorithm on Function Optimization Problems
HE Yi-chao,ZHANG Cui-jun,WANG Pei-chong,ZHANG Wei. Particle Swarm Optimization Compare with Guo Tao Algorithm on Function Optimization Problems[J]. Computer Engineering and Applications, 2007, 43(11): 100-103
Authors:HE Yi-chao  ZHANG Cui-jun  WANG Pei-chong  ZHANG Wei
Affiliation:Information Project Department, Shijiazhuang University of Economics, Shijiazhuang 050031, China
Abstract:In this paper,for 9 typical and complex BenchMark testing functions,authors use the PSO and GuoA for function optimization problems.The results show that GuoA is more all-purpose and superiority on global convergence,but the velocity of convergence is more lower.The velocity of PSO is faster,and it can solve certain difficult optimization problem.But the success rate of PSO is more lower,and the premature convergence is a great drawback.
Keywords:evolutionary algorithm  Particle Swarm Optimization(PSO)  GuoTao algorithm  BenchMark function
本文献已被 CNKI 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》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号