【摘要】：粒子群算法(PSO)的拓?fù)浣Y(jié)構(gòu)是影響算法性能的關(guān)鍵因素,為了從根源上避免粒子群算法易陷入局部極值及早熟收斂等問題,提出一種混合拓?fù)浣Y(jié)構(gòu)的粒子群優(yōu)化算法(MPSO)并將其應(yīng)用于軟件結(jié)構(gòu)測試數(shù)據(jù)的自動生成中。通過不同鄰域拓?fù)浣Y(jié)構(gòu)對算法性能影響的分析,采用一種全局尋優(yōu)和局部尋優(yōu)相結(jié)合的混合粒子群優(yōu)化算法。通過觀察粒子群的多樣性反饋信息,對每一代種群粒子以進(jìn)化時選擇全局拓?fù)浣Y(jié)構(gòu)模型(GPSO)或局部拓?fù)浣Y(jié)構(gòu)模型(LPSO)的方法進(jìn)行。實驗結(jié)果表明,MPSO使得種群的多樣性得到保證,避免了粒子群陷入局部極值,提高了算法的收斂速度。
[Abstract]:The topology structure of particle swarm optimization (PSO) algorithm is the key factor to affect the performance of the algorithm. In order to avoid the problem that particle swarm optimization algorithm is prone to fall into local extremum and premature convergence, etc. A hybrid topology particle swarm optimization algorithm (MPSO) is proposed and applied to the automatic generation of software structure test data. Based on the analysis of the influence of different neighborhood topology on the performance of the algorithm, a hybrid particle swarm optimization algorithm combining global optimization and local optimization is proposed. By observing the diversity feedback information of the particle swarm, the method of selecting the global topology model (GPSO) or the local topology model (LPSO) for each generation of population particles is carried out. The experimental results show that MPSO can ensure the diversity of the population, avoid the particle swarm falling into the local extremum, and improve the convergence speed of the algorithm.
【作者單位】： 鄭州大學(xué)信息工程學(xué)院;中國人民解放軍信息工程大學(xué);中原工學(xué)院;
【基金】：國家自然科學(xué)基金項目(61250007) 河南省科技廳基礎(chǔ)與前沿技術(shù)研究項目(152300410055)資助
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳坤華;論分布式計算機系統(tǒng)常見拓?fù)浣Y(jié)構(gòu)的優(yōu)劣和兩種拓?fù)浣Y(jié)構(gòu)的綜合[J];龍巖師專學(xué)報;1990年02期

2 程代展，，泰化淑，洪奕光;穩(wěn)定反饋空間的拓?fù)浣Y(jié)構(gòu)[J];自動化學(xué)報;1995年03期

3 魯斌,何華燦;聯(lián)想思維的超拓?fù)浣Y(jié)構(gòu)模型[J];小型微型計算機系統(tǒng);2004年06期

4 車林仙;;基于粒子群算法的混沌系統(tǒng)快速控制[J];瀘州職業(yè)技術(shù)學(xué)院學(xué)報;2006年03期

5 郭明山;劉秉瀚;;一種改進(jìn)的混沌粒子群算法[J];福建電腦;2008年02期

6 張楠;邢志棟;董建民;王辛;;一種基于粒子群算法和育種算法的混合算法[J];西北大學(xué)學(xué)報(自然科學(xué)版);2008年01期

7 張大興;賈建援;張愛梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報;2009年09期

8 張?zhí)├?劉春生;;基于改進(jìn)粒子群算法的控制分配研究與應(yīng)用[J];伺服控制;2012年06期

9 黃珍;潘穎;曹曉麗;;粒子群算法的基本理論及其改進(jìn)研究[J];硅谷;2014年05期

10 焦國輝;;一種改進(jìn)的粒子群算法穩(wěn)定性證明及其應(yīng)用[J];現(xiàn)代計算機(專業(yè)版);2014年14期

相關(guān)會議論文 前10條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

2 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

3 黃勝;任萬龍;王超;何新;;多目標(biāo)粒子群算法在翼型優(yōu)化的應(yīng)用[A];第二十五屆全國水動力學(xué)研討會暨第十二屆全國水動力學(xué)學(xué)術(shù)會議文集（上冊）[C];2013年

4 李洪全;王京;;基于粒子群算法的自適應(yīng)PID控制[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路徑費用拆分方法研究[A];第二十六屆中國控制會議論文集[C];2007年

6 趙亮;;遺傳增強混沌粒子群算法[A];第二十九屆中國控制會議論文集[C];2010年

7 楊誠;楊傳啟;;基于粒子群算法的PID參數(shù)優(yōu)化[A];第七屆工業(yè)儀表與自動化學(xué)術(shù)會議論文集[C];2006年

8 劉文許;林禮清;溫步瀛;;電力市場下基于改進(jìn)粒子群算法的AGC機組選擇[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

9 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動的混合粒子群算法及其應(yīng)用[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學(xué)者大會論文集[C];2012年

10 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構(gòu)研究[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學(xué);2016年

2 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

3 邵晴;粒子群算法研究及其工程應(yīng)用案例[D];吉林大學(xué);2017年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

8 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

9 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

10 王雪飛;粒子群算法的動態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李健;面向高速鐵路監(jiān)測的WSNs拓?fù)浣Y(jié)構(gòu)分析[D];山西大學(xué);2015年

2 李強;基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

9 仲偉彪;改進(jìn)粒子群算法的研究及其云計算資源調(diào)度的應(yīng)用[D];江西理工大學(xué);2015年

10 艾東;基于粒子群算法的雙重目標(biāo)設(shè)施布置優(yōu)化[D];西安建筑科技大學(xué);2015年

本文編號：2257704