本文選題：無慣性速度更新式 + 一般性反向?qū)W習(xí)��； 參考：《通信學(xué)報(bào)》2017年08期

【摘要】：為解決反向粒子群優(yōu)化算法計(jì)算開銷大、易陷入局部最優(yōu)的不足,提出一種無慣性的自適應(yīng)精英變異反向粒子群優(yōu)化算法(NOPSO)。NOPSO算法在反向?qū)W習(xí)方法的基礎(chǔ)上,廣泛獲取環(huán)境信息,提出一種無慣性的速度(NIV)更新式來引導(dǎo)粒子飛行軌跡,從而有效加快算法的收斂過程。同時(shí),為避免早熟現(xiàn)象的發(fā)生,引入了自適應(yīng)精英變異策略(AEM),該策略在擴(kuò)大種群搜索范圍的同時(shí),幫助粒子跳出局部最優(yōu)。NIV與AEM這2種機(jī)制的結(jié)合,有效增加了種群多樣性,平衡了反向粒子群算法中探索與開發(fā)的矛盾。實(shí)驗(yàn)結(jié)果表明,與主流反向粒子群優(yōu)化算法相比,NOPSO算法無論是在計(jì)算精度還是計(jì)算開銷上均具有較強(qiáng)的競爭能力。
[Abstract]:In order to solve the problem that the inverse particle swarm optimization (RPSO) algorithm has a large computational overhead and is easy to fall into the local optimum, an inertial adaptive elite mutation inverse PSO algorithm (NOPSO.NOPSO) is proposed. Based on the reverse learning method, the reverse PSO algorithm is widely used to obtain environmental information.A new type of inertial velocity nv (NIV) is proposed to guide the particle trajectory, thus speeding up the convergence of the algorithm.At the same time, in order to avoid precocious phenomenon, an adaptive elite mutation strategy is introduced. This strategy not only expands the search range of population, but also helps particles jump out of the combination of local optimum. NIV and AEM, and effectively increases population diversity.The contradiction between exploration and development in reverse particle swarm optimization is balanced.The experimental results show that the NoPSO algorithm is more competitive than the mainstream inverse particle swarm optimization algorithm in terms of computational accuracy and computational overhead.
【作者單位】： 武漢大學(xué)計(jì)算機(jī)學(xué)院;江西理工大學(xué)應(yīng)用科學(xué)學(xué)院;華南農(nóng)業(yè)大學(xué)信息學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(No.61170305,No.60873114) 江西省教育廳科學(xué)技術(shù)研究基金資助項(xiàng)目(No.GJJ161568,No.GJJ151521)~~
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年10期

2 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

3 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(jì)[J];計(jì)算機(jī)工程與應(yīng)用;2007年04期

4 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

5 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(jì)算機(jī)系統(tǒng);2008年08期

6 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(jì)算機(jī)科學(xué);2012年06期

7 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

8 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

9 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

10 高海兵;周馳;高亮;;廣義粒子群優(yōu)化模型[J];計(jì)算機(jī)學(xué)報(bào);2005年12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(jì)[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(yùn)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 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 Shafiullah Khan;粒子群優(yōu)化算法及其在電磁設(shè)計(jì)中的應(yīng)用[D];浙江大學(xué);2017年

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

5 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

6 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

7 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

8 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

9 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

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

相關(guān)碩士學(xué)位論文 前10條

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

2 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

3 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

4 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

5 米永強(qiáng);非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

6 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

7 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

8 牛旭;動態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

9 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

10 楊青河;基于優(yōu)化控制思想的粒子群優(yōu)化算法改進(jìn)研究[D];東北大學(xué);2013年

，

本文編號：1736602