| 粒子群优化算法中的分步式策略 |
| |
| 引用本文： | 胡建,李志蜀,欧鹏,罗思达.粒子群优化算法中的分步式策略[J].电子科技大学学报(社会科学版),2009(3). |
| |
| 作者姓名： | 胡建 李志蜀 欧鹏 罗思达 |
| |
| 作者单位： | 四川大学计算机学院; |
| |
| 基金项目： | 国家科技部中小型科技企业创新基金(06C26225101730); 四川省科技厅重点项目(05GG021-003-2) |
| |
| 摘 要： | 为了解决粒子群优化算法(PSO)在处理高维多极值问题时容易陷入局部最优而早熟的问题,提出了分步式学习策略和分步式评价策略。前者让粒子每次升级只向某一个榜样学习,使粒子能在更有潜力的区域搜索;并简化了其升级规则,使粒子的搜索行为更易被控制。后者对粒子的位置矢量逐维进行评价,使粒子向目标最优位置稳步前进;并通过对维之间的关系的检测,解决了维不可分解的问题。实验证明,新算法具有很好的收敛速度和抗早熟能力。
|
| 关 键 词： | 收敛性 进化算法 评价策略 学习策略 粒子群优化 分步式策略 群体智能 |
Stepwise Strategies in Particle Swarm Optimization |
| |
| HU Jian,LI Zhi-shu,OU Peng, LUO Si-da.Stepwise Strategies in Particle Swarm Optimization[J].Journal of University of Electronic Science and Technology of China(Social Sciences Edition),2009(3). |
| |
| Authors: | HU Jian LI Zhi-shu OU Peng LUO Si-da |
| |
| Institution: | HU Jian,LI Zhi-shu,OU Peng,, LUO Si-da (College of Computer Science,Sichuan University Chengdu 610065) |
| |
| Abstract: | The particle swarm optimization(PSO) may be trapped in local optima and fail to converge to global optima,especially for multimodal and high-dimensional problems.To handle this problem,a stepwise learning strategy and a stepwise evaluation strategy are presented.The former makes each particle learn from only one particle's historical best information in each update progress in order to search in a potential area,and simplifies particles' update rules to easily control their convergence behaviors.The latter ... |
| |
| Keywords: | convergence evolutionary algorithms evaluation strategy learning strategy particle swarm optimization stepwise strategy swarm intelligence |
| 本文献已被 CNKI 等数据库收录！ |
|
