基于混合策略自适应学习的并行粒子群优化算法
DOI:
CSTR:
作者:
作者单位:

1. 东华大学工商管理学院
2.

作者简介:

伍大清

通讯作者:

中图分类号:

TP18

基金项目:

多智能体量子进化模型研究


Improved parallel particle swarm optimization algorithm with hybrid strategy and self-adaptive learning
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:

    针对当前各种粒子群优化算法解决问题时存在的局限性, 提出一种基于混合策略自适应学习的粒子群优化
    算法(HLPSO). 该算法从收敛速度、跳出局部极值、探索、开发几个不同角度融合了4 种具有不同优势的变异策略,
    当面对不同形态的复杂问题时通过自适应学习机制选择出合适的策略来完成全局寻优. 通过对7 个标准测试函数的
    仿真实验并与其他算法相比较, 所得结果表明了所提出的算法具有较快的收敛速度、较高的精度以及很强的跳出局
    部极值的能力.

    Abstract:

    In view of the limitation of the current kinds of particle swarm optimization(PSO) algorithm, a self-adaptive
    learning of hybrid strategy algorithm based on parallel particle swarm optimization(HLPSO) is proposed. The algorithm
    combines four strategies reasonably in the different point of view: Convergence, jump out, exploration and exploitation,
    which chooses an appropriate strategies to solve the different forms of problems through adjusting the probability of the
    strategies gradually in the process of optimizing. Moreover, simulation experiment on a suite of 7 benchmark functions
    is given, and the comparisons with other algorithms are provided. The results show that the proposed approach has better
    convergence rate and great capability of preventing premature convergence.

    参考文献
    相似文献
    引证文献
引用本文

伍大清 郑建国.基于混合策略自适应学习的并行粒子群优化算法[J].控制与决策,2013,28(7):1087-1093

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:2012-03-06
  • 最后修改日期:2012-07-11
  • 录用日期:
  • 在线发布日期: 2013-07-20
  • 出版日期:
文章二维码