【摘要】：針對粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)存在收斂速度慢、尋優(yōu)精度低和早熟收斂的問題,提出一種最優(yōu)粒子增強(qiáng)探索粒子群算法(Optimal particle Enhanced Exploration Particle Swarm Optimization,OEEPSO)。OEEPSO將最優(yōu)粒子在空間中的位置信息以二維一組劃分,按4種方式計算每二維的適應(yīng)值,選擇適應(yīng)值最小的方式更新對應(yīng)維度的速度值和位置值。該策略加強(qiáng)了對最優(yōu)粒子周圍區(qū)域的探索,使粒子群能更快地向全局最優(yōu)解靠近,提高了算法的收斂速度和求解精度。當(dāng)算法陷入局部最優(yōu)時,根據(jù)群體歷史最優(yōu)解的適應(yīng)值,動態(tài)調(diào)整各粒子的速度值和位置值,使算法最終收斂到全局最優(yōu)解。實驗結(jié)果表明,OEEPSO具有收斂速度快、求解精度高的特點(diǎn)。
[Abstract]:In order to solve the problems of slow convergence, low optimization accuracy and premature convergence of particle swarm optimization (Particle Swarm Optimization,PSO), an optimal particle enhancement exploration particle swarm optimization (Optimal particle Enhanced Exploration Particle Swarm Optimization,) algorithm is proposed. OEEPSO). The position information of the optimal particles in space is divided into two-dimensional groups, the fitness values of each two-dimensional dimension are calculated according to four ways, and the velocity value and position value of the corresponding dimension are updated by selecting the smallest fitness value. This strategy strengthens the exploration of the optimal area around the particles, enables the particle swarm to approach the global optimal solution more quickly, and improves the convergence speed and solution accuracy of the algorithm. When the algorithm falls into the local optimization, according to the fitness value of the group history optimal solution, the speed value and position value of each particle are adjusted dynamically, so that the algorithm finally converges to the global optimal solution. The experimental results show that OEEPSO has the characteristics of fast convergence speed and high accuracy.
【作者單位】： 南昌大學(xué)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金(No.2012F020503,No.2011D010702)
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計算機(jī)工程與應(yīng)用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計算機(jī)系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機(jī)應(yīng)用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學(xué)習(xí)因子的簡化粒子群算法[J];自動化技術(shù)與應(yīng)用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2004年12期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 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

8 熊偉麗;徐保國;;單個粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 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

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007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 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 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

4 王芳;粒子群算法的研究[D];西南大學(xué);2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

6 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

7 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

8 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

9 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

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);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 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 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

，

本文編號：2488241