-
题名带双重变异算子的自适应粒子群优化算法
被引量：4
- 1
-
-
作者
刁东宇
赵英凯
-
机构
南京工业大学自动化学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2009年第5期1186-1188,共3页
-
文摘
提出了一种双重变异自适应粒子群优化算法,该算法除了使用自适应算子来改变惯性权重外,还在搜索过程中使用非均匀变异算子对位移进行变异,扩大位移的搜索范围。当算法陷入局部收敛时,使用柯西变异算子对全局最优解进行变异,促使粒子逃离局部最优的陷阱,从而最大限度的提升算法全局搜索的性能。通过对4个标准函数的测试,新算法的全局搜索能力有了显著提高,并且能够有效避免早熟收敛的陷阱。
-
关键词
粒子群
非均匀变异
柯西变异
早熟收敛
优化
-
Keywords
PSO
non-uniformmutation
Cauchymutation
premature convergence
optimization
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名双种群差分进化规划算法
被引量：3
- 2
-
-
作者
何兵
车林仙
刘初升
-
机构
中国矿业大学机电工程学院
泸州职业技术学院机电工程研究所
-
出处
《计算机工程与应用》
CSCD
2012年第26期25-31,共7页
-
基金
四川省应用基础研究计划项目(No.2008JY0163)
泸州市重点科技计划项目(No.2010-S-21(2/7))
-
文摘
标准差分进化算法(SDE)具有算法简单,控制参数少,易于实现等优点。但在难优化问题中,算法存在收敛速度较慢和容易早熟等缺陷。为克服此缺点,提出一种改进算法——双种群差分进化规划算法(BGDEP)。该算法将种群划分为两个子群独立进化,分别采用DE/rand/1/bin和DE/best/2/bin版本生成变异个体。每隔δt(取5～10)代,将两个子群合并为一个种群,再应用混沌重组算子将之划分为两个子群,以实现子群间的信息交流。在双种群协同差分进化的同时,应用非均匀变异算子对其最优个体执行进化规划操作,使得算法具有较快的收敛速度和较强的全局寻优能力。为测试BGDEP的性能,给出了4个30维benchmark函数优化问题的对比数值实验。结果表明,BGDEP的求解精度、收敛速度、鲁棒性等性能优于SDE、双种群差分进化(BGDE)和非均匀变异进化规划(NUMEP)等4种算法。
-
关键词
差分进化算法
进化规划算法
双种群
混沌重组策略
非均匀变异
-
Keywords
differential evolution
evolutionary programming
bi-group
chaotic recombination strategy
non-uniformmutation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
