针对一般粒子群PSO求解高维优化往往陷入局部收敛的"诅咒"问题,设计了一种高维金字塔型协同粒子群优化(A Pyramid-type Cooperative Approach to Particle Swarm Optimizations with Multi-dimensions,PCPSO-M)算法。PCPSO-M...针对一般粒子群PSO求解高维优化往往陷入局部收敛的"诅咒"问题,设计了一种高维金字塔型协同粒子群优化(A Pyramid-type Cooperative Approach to Particle Swarm Optimizations with Multi-dimensions,PCPSO-M)算法。PCPSO-M算法结合了PSO较快收敛以及CPSO协同算法局部寻优能力强的特点。把粒子群分为三层金字塔型,各个层间、层内相互协同作用,在最上层由于维数过大,则采用一半"较好"适应值的粒子代替另一半"较差"适应值的粒子。这种上下协同,内外"学习"的方法,很好地解决了维数高的问题,弥补了CPSO的不足;尤其在Rosenbrock、Quadric函数的测试中,实验结果表明,解的质量好,效果满意。展开更多
文摘针对一般粒子群PSO求解高维优化往往陷入局部收敛的"诅咒"问题,设计了一种高维金字塔型协同粒子群优化(A Pyramid-type Cooperative Approach to Particle Swarm Optimizations with Multi-dimensions,PCPSO-M)算法。PCPSO-M算法结合了PSO较快收敛以及CPSO协同算法局部寻优能力强的特点。把粒子群分为三层金字塔型,各个层间、层内相互协同作用,在最上层由于维数过大,则采用一半"较好"适应值的粒子代替另一半"较差"适应值的粒子。这种上下协同,内外"学习"的方法,很好地解决了维数高的问题,弥补了CPSO的不足;尤其在Rosenbrock、Quadric函数的测试中,实验结果表明,解的质量好,效果满意。
