|
|||||
|
|
| 自适应和声粒子群搜索算法 | |
| 引用本文： | 高立群. 自适应和声粒子群搜索算法[J]. 控制与决策, 2010, 25(7): 1101-1104 |
| 作者姓名： | 高立群 |
| 作者单位： | 1. 东北大学,信息科学与工程学院,沈阳,110819 2. 东北大学,信息科学与工程学院,沈阳,110819;辽宁省电力有限公司,沈阳,110014 |
| 摘 要： | 针对现有改进和声搜索算法(IHS)的不足,提出一种自适应和声粒子群搜索算法(AHSPSO).首先对和声记忆库中每个变量用粒子群算法寻优,再利用自适应参数PAR和bw调节来提高对多维问题的搜索效率.利用5个标准的优化算法测试函数对AHSPSO算法进行测试,并与IHS,PSO和SA算法进行对比,仿真结果表明了AHSPSO算法具有较强的精确寻优和跳出局部最优的能力. |
| 关 键 词： | 和声算法 粒子群算法 自适应搜索 |
| 收稿时间： | 2009-07-06 |
| 修稿时间： | 2009-09-11 |
Adaptive harmony PSO search algorithm |
|
| GAO Li-qun,GE Yan-feng,KONG Zhi,ZOU De-xuan. Adaptive harmony PSO search algorithm[J]. Control and Decision, 2010, 25(7): 1101-1104 | |
| Authors: | GAO Li-qun GE Yan-feng KONG Zhi ZOU De-xuan |
| Abstract: | search-particle swarm optimization (AHSPSO) algorithm is presented. In the harmony memory of AHSPSO, every variable is updated by using the PSO algorithm, then adjusted by adaptive parameters PAR and bw. So this algorithm can improve the search efficiency of multidimension problems. Finally, the proposed AHSPSO algorithm is tested and contrasted with IHS, PSO, and SA. The test results show the favorable abilities of accuracy and escaping local minimums. |
| Keywords: | Harmony search algorithm|Particle swarm optimization|Adaptive search |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |