-
题名基于巴特沃斯幅频特性的自适应粒子群算法
- 1
-
-
作者
吴子洋
刘旋
章永龙
朱俊武
-
机构
扬州大学信息工程学院(人工智能学院)
东南大学计算机科学与工程学院
-
出处
《扬州大学学报（自然科学版）》
CAS
2024年第3期46-52,共7页
-
基金
江苏省“双创博士”基金资助项目(JSSCBS20211035)
江苏省博士后基金资助项目(2021K402C)。
-
文摘
针对传统粒子群算法存在求解精度低和易陷入局部最优等问题,提出一种基于巴特沃斯幅频特性的自适应粒子群算法(Butterworth amplitude-frequency characteristics based adaptive particle swarm optimization algorithm,BAC-PSO).一方面,借助巴特沃斯幅频特性设计一种惯性权重非线性递减策略,均衡算法中粒子的局部与全局搜索能力;另一方面,通过S型函数的粒子群优化策略和Sigmoid函数改进位置更新方法,进一步提升算法的求解精度.以5个经典的测试函数为基准,将BAC-PSO算法与5种经典粒子群算法的性能进行对比,并将其应用到求解压力容器模型的设计问题中.实验结果表明,相较于其他经典粒子群算法,BAC-PSO算法的求解精度更高,收敛速度更快,稳定性更好.
-
关键词
粒子群算法
巴特沃斯幅频特性
自适应
惯性权重
压力容器模型
-
Keywords
particle swarm optimization
Butterworth amplitude-frequency characteristics
adaptive
inertia weights
pressure vessel model
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
