基于不确定知识的粒子群优化算法
DOI:
CSTR:
作者:
作者单位:

江苏大学 电气信息工程学院

作者简介:

梅从立

通讯作者:

中图分类号:

基金项目:

中国博士后基金;江苏高校自然科学基金


Particle swarm optimization based on uncertain knowledge
Author:
Affiliation:

Fund Project:

China Postdoctoral Science Foundation

  • 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:

    针对标准粒子群优化算法(PSO)速度更新方程存在随机参数, 使得粒子获取知识存在不完备性的问题, 将不确定知识引入PSO 算法中, 并对个体知识、群体知识和不确定知识随机参数进行了归一化, 保证算法在每一步演化中都能获得完备知识. 理论分析给出了PSO-UK 算法局部收敛参数条件, 并证明了其具有全局优化性能. 经典测试函数实验表明, 所提出的PSO-UK 算法具有全局搜索能力, 且局部收敛精度明显优于PSO 算法.

    Abstract:

    Basic particle swarm optimization(PSO) algorithm only depends on individual and social cognition, but the
    cognitive part of PSO is uncertain for random behavior of cognitive factors. Therefore, uncertain knowledge is introduced to the basic PSO to improve the knowledge structure of each particle. Random cognitive factors normalization is also considered in the PSO-UK algorithm to ensure complete knowledge for the PSO-UK algorithm. Theoretical analysis and simulations show that the PSO-UK algorithm has the performance of global convergence and better precision value of local convergence than the basic PSO.

    参考文献
    相似文献
    引证文献
引用本文

梅从立, 刘国海.基于不确定知识的粒子群优化算法[J].控制与决策,2011,26(12):1851-1854

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:2010-07-16
  • 最后修改日期:2010-11-15
  • 录用日期:
  • 在线发布日期: 2011-12-20
  • 出版日期:
文章二维码