摘要
微粒群算法的全局搜索性能容易受到局部极值点的影响.对此,提出一种基于栅格的动态粒子数微粒群算法(GB-DPPPSO).通过设计栅格信息更新策略、粒子产生策略和粒子消灭策略,可以根据种群搜索情况动态控制粒子数变化,以保持种群多样性,提高全局搜索性能.通过对4个典型数学验证函数的仿真实验,表明了该算法相对于DPPPSO在全局搜索成功率和搜索效率两方面均有明显改进.
Particle swarm optimization（PSO） is easy to be trapped by the local optimum. Therefore, the grid based dynamic particle population PSO （GB-DPPPSO） is proposed. GB-DPPPSO has three strategies, grid information update slrategy, particle generalization strategy and particle vanishing strategy, which keep the diversity of swarm through convergence and enhance the global searching ability. Simulation tests on four benchmark functions prove that the method performs better than DPPPSO on global successful searching probability and searching efficiency.
出处
《控制与决策》
EI
CSCD
北大核心
2009年第6期864-868,共5页
Control and Decision
基金
国家自然科学基金重点项目(60634030)
高等学校博士学科点专项科研基金项目(20060699032)
教育部新世纪优秀人才支持计划(NCET-06-878)
西北工业大学科技创新基金项目(W016143)
关键词
微粒群算法
栅格
动态粒子数
Particle swarm optimization
Grid
Dynamic particle population
