一种基于去个性化理论的粒子群算法
DOI:
CSTR:
作者:
作者单位:

1. 武汉大学a. 软件工程国家重点实验室,b. 计算机学院,武汉430072;2. 闽南师范大学物理
与信息工程学院,福建漳州363000;3. 景德镇陶瓷学院信息工程学院,

作者简介:

喻飞

通讯作者:

中图分类号:

TP18

基金项目:

国家自然科学基金项目(61070009);江西省自然(青年)科学基金项目(20122BAB211036, 20122BAB201044);
国家科技支撑计划项目(2012BAH25F02).


Particle swarm optimization based on deindividuation theory
Author:
Affiliation:

1a. State Key Laboratory of Software Engineering,1b. College of Computer Science,Wuhan University,Wuhan
430072,China;2. College of Physics and Information Engineering,Minnan Normal University,Zhangzhou 363000,
China;3. College of Information and Engineering,Jingdezhen Ceramic Institute

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:

    针对粒子群优化算法(PSO) 在求解复杂问题时收敛速度慢、易陷入局部最优等缺点, 从社会心理学角度阐
    述PSO 算法, 将群体社会学中去个性化效应的社会认同模型(SIDE) 引入其中, 提出一种基于去个性化理论的粒子群
    算法(DTPSO). 该算法通过个体粒子融入群体中表现出来的去个性化行为(个性与趋同的平衡) 维持群体粒子的多样
    性和有效性. 仿真实验表明, DTPSO 算法收敛速度快、收敛精度高、稳定性好.

    Abstract:

    When resolving complex problems, the particle swarm optimization(PSO) has some disadvantages of slow
    convergence rate and easiness to fall into local optimal solution. Therefore, a particle swarm optimization with the
    deindividuation theory(DTPSO) is proposed. Based on the social identity model of deindividuation effects, the diversity
    and effectiveness of population can be maintained through the deindividuation acts, the balance between individuality and
    convergence) of individual particles during their evolution process. The results of simulation experiment show that the
    DTPSO possesses higher convergence rate and convergence precision, as well as better stability.

    参考文献
    相似文献
    引证文献
引用本文

喻飞, 李元香, 魏波,等.一种基于去个性化理论的粒子群算法[J].控制与决策,2013,28(10):1520-1524

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:2012-07-09
  • 最后修改日期:2012-11-18
  • 录用日期:
  • 在线发布日期: 2013-10-20
  • 出版日期:
文章二维码