基于分层多子群的混沌粒子群优化算法
DOI:
CSTR:
作者:
作者单位:

1. 西华大学;西南交通大学
2. 西南交通大学

作者简介:

王维博

通讯作者:

中图分类号:

基金项目:

;国家“863”计划;国家自然科学基金


Chaotic particle swarm optimization algorithm based on hierarchical multi-subpopulation
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在分层多子群结构模型的基础上, 提出一种混沌粒子群优化算法(HCPSO). 该算法对非线性递减的惯性权
    重进行混沌变异, 并采用了混沌搜索方法. 在更新全局历史最优位置每一维分量时, 选取不同的若干个体作为学习对
    象, 并计算它们的平均位置. 混沌搜索区域半径可根据粒子个体最优位置与上述平均位置间的距离自适应地调整. 通
    过对几种典型函数的测试结果表明, 该算法具有较好的全局搜索和局部搜索能力, 可有效避免早熟收敛问题.

    Abstract:

    A chaotic particle swarm optimization algorithm(HCPSO) is proposed based on the model of hierarchical multi-
    subpopulation structure, which uses chaotic mutation in nonlinear and decreasing inertia weight. For reinforcing the local
    searching ability, every particle has its own new global best position by using chaotic searching strategy. The new global best
    position is the average position of several individuals which are picked out as exemplars when the new global best position
    is updated in each dimension. The radius of the chaotic searching region is adaptively adjusted according to the distance
    between the particle’s personal best position and the average position. The simulation results show that HCPSO is more
    effective to keep a balance of global and local searching ability, and to overcome the slow convergence and prematurity.

    参考文献
    相似文献
    引证文献
引用本文

王维博 冯全源.基于分层多子群的混沌粒子群优化算法[J].控制与决策,2010,25(11):1663-1668

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-09-24
  • 最后修改日期:2010-03-03
  • 录用日期:
  • 在线发布日期: 2010-11-20
  • 出版日期:
文章二维码