摘要
提出了一种新的基于L1范式的粒子群算法群体多样性定义,这种观测方式可以准确地描述算法运行过程中的信息。首先,通过对比新的观测方式和已有方式,解释了新的观测方式的特点;然后通过实验观测了位置、速度和认知三种群体多样性在算法执行过程中的变化,给出了群体多样性的变化特征。最后讨论了粒子群算法在不同解空间维数、不同粒子群拓扑结构和不同粒子数目时的群体多样性的变化情况。
A novel PSO population diversity based on norm was defined,which provides useful information of PSO search process.Population diversity based on and norms were analyzed as well as element-wised and dimension-wised PSO diversity.Population diversities of PSO with different number of dimensions,different topology structure,and different population sizes were discussed and tested on benchmark functions.
出处
《计算机科学》
CSCD
北大核心
2011年第7期190-193,239,共5页
Computer Science
基金
国家自然科学基金项目(60975080)
苏州市科技项目(SYJG0919)资助
关键词
演化计算
粒子群优化
群体多样性
位置多样性
速度多样性
认知多样性
范式
Evolutionary computation
Particle swarm optimization
Population diversity
Position diversity
Velocity diversity
Cognitive diversity
Norm
