發(fā)布時間：2018-01-29 04:12

  本文關(guān)鍵詞： 停滯 粒子群優(yōu)化 多峰函數(shù)優(yōu)化 自適應(yīng)調(diào)整策略　出處：《西安電子科技大學(xué)學(xué)報》2016年03期 　論文類型：期刊論文

【摘要】：為了提高粒子群優(yōu)化算法的性能,設(shè)計了優(yōu)化粒子帶停滯信息的年齡結(jié)構(gòu)網(wǎng),并利用這種年齡結(jié)構(gòu)網(wǎng)信息自適應(yīng)地更改粒子群優(yōu)化算法的3個關(guān)鍵參數(shù).構(gòu)建了一種帶停滯信息的自適應(yīng)粒子群優(yōu)化方法,給出了該方法的具體優(yōu)化步驟.采用4個經(jīng)典的低維及高維Benchmark測試函數(shù)驗證該優(yōu)化方法的求解性能,并同引力搜索算法以及傳統(tǒng)的不帶停滯信息的粒子群優(yōu)化算法進(jìn)行求解對比.通過對比可知,該方法在低維多峰函數(shù)優(yōu)化時,其搜索效率均2倍于其他文獻(xiàn)中的方法,對于維數(shù)高于2維的高維函數(shù),該方法的優(yōu)化效率同其他文獻(xiàn)中的方法基本相同,但在獲得全局解及局部解的能力以及所求解的精度方面均遠(yuǎn)高于其他文獻(xiàn)中的方法.
[Abstract]:In order to improve the performance of particle swarm optimization (PSO) algorithm, an age structure network with stagnation information is designed. The three key parameters of the PSO algorithm are adaptively changed by using the age-structured network information, and an adaptive PSO method with stagnation information is constructed. Four classical low-dimensional and high-dimensional Benchmark test functions are used to verify the performance of the method. It is compared with the gravity search algorithm and the traditional particle swarm optimization algorithm without stagnation information. The comparison shows that this method can be used in the optimization of low dimensional multipeak function. The search efficiency is twice as high as that in other literatures, and the optimization efficiency of this method is basically the same as that of other methods for high-dimensional functions whose dimension is higher than 2-D. However, the ability to obtain global and local solutions and the accuracy of these solutions are much higher than those in other literature.
【作者單位】： 信陽師范學(xué)院計算機(jī)與信息技術(shù)學(xué)院;信陽師范學(xué)院土木工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61402393) 河南省高等學(xué)校重點科研資助項目(16A535001) 河南省教師教育課程改革研究資助項目(2015-JSJYYB-037)
【分類號】：TP18
【正文快照】： 應(yīng)用領(lǐng)域.粒子群算法雖被認(rèn)為是一種全局智能搜索算法,但因算法是利用粒子個體的社會性(gbest)及局部性(pbest)共同搜索的結(jié)果,且粒子個體的這種社會性及局部性受其他環(huán)境參數(shù)設(shè)置的影響,導(dǎo)致算法在搜索時可能會停滯不前[4-6].現(xiàn)今許多學(xué)者也采用不同的辦法解決這一問題,如常

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李紹軍;王惠;錢鋒;;基于模式優(yōu)選思想改進(jìn)的粒子群優(yōu)化算法[J];控制與決策;2006年10期

2 蘇俊霞;蔚承建;;基于粒子群優(yōu)化算法的自動機(jī)制設(shè)計[J];計算機(jī)工程與應(yīng)用;2007年04期

3 何妮;吳燕仙;;粒子群優(yōu)化算法的研究[J];科技信息(科學(xué)教研);2008年06期

4 賀毅朝;王熙照;曲文龍;;一種具有雙重進(jìn)化空間的擴(kuò)展粒子群優(yōu)化算法[J];小型微型計算機(jī)系統(tǒng);2008年08期

5 王正帥;鄧喀中;;基于文化框架的隨機(jī)粒子群優(yōu)化算法[J];計算機(jī)科學(xué);2012年06期

6 馮紀(jì)強(qiáng);溫雅;;粒子群優(yōu)化的模糊特征[J];現(xiàn)代電子技術(shù);2012年23期

7 田亞菲;張范勇;閻石;;基于粒子群優(yōu)化的細(xì)菌覓食優(yōu)化算法[J];控制工程;2012年06期

8 祁超;張曦;劉煥杰;張薈萃;;云環(huán)境下多群體協(xié)作粒子群優(yōu)化框架的研究[J];科技創(chuàng)新與應(yīng)用;2013年36期

9 高海兵;周馳;高亮;;廣義粒子群優(yōu)化模型[J];計算機(jī)學(xué)報;2005年12期

10 羅平;姚立海;楊仕友;倪光正;唐躍進(jìn);;一種改進(jìn)的粒子群優(yōu)化算法[J];江南大學(xué)學(xué)報(自然科學(xué)版);2007年05期

相關(guān)會議論文 前9條

1 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

2 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學(xué)大會——2013論文摘要集[C];2013年

3 王光輝;陳杰;潘峰;;多種群協(xié)同粒子群優(yōu)化算法求解動態(tài)環(huán)境優(yōu)化問題[A];第二十七屆中國控制會議論文集[C];2008年

4 楊雅偉;侍洪波;;量子粒子群優(yōu)化算法及其應(yīng)用研究[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

5 趙建玉;賈磊;陳月輝;張勇;;基于粒子群優(yōu)化的信號交叉口交通流預(yù)測模型[A];第二十六屆中國控制會議論文集[C];2007年

6 趙秋玲;周雅莉;張奇志;;基于粒子群優(yōu)化的結(jié)構(gòu)振動分布式反饋控制[A];2005年中國智能自動化會議論文集[C];2005年

7 肖龍光;丁曉東;謝集平;;粒子群優(yōu)化算法的改進(jìn)[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

8 龔?fù)?曹秀英;;基于粒子群優(yōu)化的偽距定位算法研究[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集[C];2011年

9 錢偉懿;王艷杰;;帶自適應(yīng)壓縮因子粒子群優(yōu)化算法[A];中國運籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實例[D];浙江大學(xué);2005年

2 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

3 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

4 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2013年

5 劉逸;粒子群優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];西安電子科技大學(xué);2013年

6 高芳;智能粒子群優(yōu)化算法研究[D];哈爾濱工業(yè)大學(xué);2008年

7 張麗平;粒子群優(yōu)化算法的理論及實踐[D];浙江大學(xué);2005年

8 王俊偉;粒子群優(yōu)化算法的改進(jìn)及應(yīng)用[D];東北大學(xué);2006年

9 林蔚天;改進(jìn)的粒子群優(yōu)化算法研究及其若干應(yīng)用[D];華東理工大學(xué);2014年

10 程軍;基于生物行為機(jī)制的粒子群算法改進(jìn)及應(yīng)用[D];華南理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

2 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢預(yù)測模型研究[D];蘭州大學(xué);2015年

3 江濤;改進(jìn)的粒子群優(yōu)化算法[D];吉林大學(xué);2013年

4 陳俊英;基于粒子群優(yōu)化算法的窗口參數(shù)確定方法研究[D];河北大學(xué);2013年

5 李寶磊;基于粒子群優(yōu)化算法的動態(tài)數(shù)據(jù)對象遞推估計問題研究[D];云南大學(xué);2012年

6 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏數(shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

7 常洪睿;基于控制方法的粒子群優(yōu)化算法改進(jìn)研究[D];東北大學(xué);2011年

8 孟毅;基于控制思想的粒子群優(yōu)化算法改進(jìn)研究[D];東北大學(xué);2012年

9 宜亮;粒子群優(yōu)化算法及在網(wǎng)絡(luò)社區(qū)挖掘中的應(yīng)用[D];西安電子科技大學(xué);2014年

10 謝元平;改進(jìn)粒子群優(yōu)化算法的研究及其在控制系統(tǒng)設(shè)計中的應(yīng)用[D];北京化工大學(xué);2011年

，

本文編號：1472486