-
题名具有高斯扰动的最优粒子引导粒子群优化算法
被引量：7
- 1
-
-
作者
吴润秀
孙辉
朱德刚
赵嘉
-
机构
南昌工程学院信息工程学院
安徽医科大学第一附属医院信息技术科
-
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第1期146-151,共6页
-
基金
国家自然科学基金项目(61261039)资助
江西省教育厅落地计划项目(KJLD13096)资助
+1 种基金
江西省教育厅科技项目(GJJ13763)资助
江西省自然科学基金项目(20122BAB201043)资助
-
文摘
针对粒子群算法(particle swarm optimization,PSO)收敛速度慢和早熟收敛的问题,提出一种具有高斯扰动的最优粒子引导粒子群优化算法(OGPSO).该算法通过在粒子的速度更新公式上移除自我认知部分,增加局部最优粒子控制的高斯扰动项来实现改进PSO算法.通过移除自我认知部分,使种群中的粒子主要受当前全局最优粒子引导;通过增加高斯扰动项,又提供了一种防止粒子陷入局部最优点的机制.两种改进措施相结合,既加快了收敛速度,又避免了早熟收敛的问题.在典型测试函数集上的仿真实验结果和与其它经典及新近改进PSO算法的对比实验结果,均表明本文算法有较好的寻优性能及稳定性.
-
关键词
粒子群优化算法
高斯扰动
最优粒子引导
局部极值点
-
Keywords
particle swarm optimization algorithm（PSO）
Gaussian perturbance
optimal particle guidance
local extremum point
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于平衡搜索策略的多目标粒子群优化算法
被引量：6
- 2
-
-
作者
耿焕同
陈正鹏
陈哲
周利发
-
机构
南京信息工程大学江苏省网络监控中心
南京信息工程大学计算机与软件学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2017年第3期224-234,共11页
-
基金
国家自然科学基金项目(No.61403206)
江苏省自然科学基金项目(No.BK20151458)
江苏省"青蓝工程"项目(2016)资助~~
-
文摘
鉴于平衡全局和局部搜索在多目标粒子群优化算法获取完整均匀Pareto最优前沿方面的重要性,设计平衡全局和局部搜索策略,进而提出改进的多目标粒子群优化算法(bs MOPSO).文中策略在局部搜索方面设计归档集自挖掘子策略,通过对归档集中均匀分布的部分粒子进行柯西扰动,使归档集涵盖整个前沿面的局部搜索.在全局搜索方面设计边界最优粒子引导搜索子策略,以边界最优粒子替换部分粒子的全局最优解,引导粒子向各维目标的边界区域搜索.选取4种对比算法在ZDT和DTLZ系列的部分测试函数上进行实验,结果表明bs MOPSO具有更快的Pareto最优前沿收敛效率和更好的分布性.
-
关键词
多目标优化
粒子群优化
归档集自挖掘
边界最优粒子引导
平衡搜索
-
Keywords
Multi-objective Optimization, Particle Swarm Optimization, Self-exploitation of ArchiveSet, Best Boundary Particle-Guided Search, Balance Search
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
