【摘要】：粒子群優(yōu)化算法使用反向?qū)W習(xí)技術(shù)可以提高性能.然而,現(xiàn)有的反向?qū)W習(xí)粒子群優(yōu)化算法僅采用粒子最大最小邊界計(jì)算反向解,沒有充分利用群體搜索經(jīng)驗(yàn).針對(duì)此問題,提出了一種鄰域重心反向?qū)W習(xí)策略,使用鄰域重心作為參考點(diǎn)計(jì)算反向解,充分吸收群體搜索經(jīng)驗(yàn)的同時(shí)保持種群多樣性;采用收縮因子拓展反向解搜索范圍,增加找到更高質(zhì)量解的機(jī)率.在典型的基準(zhǔn)測試函數(shù)、CEC’13測試函數(shù)和一個(gè)實(shí)際工程優(yōu)化問題上進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果說明了鄰域重心反向?qū)W習(xí)策略的有效性和本文算法的競爭力.
【圖文】：

第11期周凌云:一種鄰域重心反向?qū)W習(xí)的粒子群優(yōu)化算法上NCOPSO算法排名都是第一．綜合以上實(shí)驗(yàn)分析，說明領(lǐng)域重心反向?qū)W習(xí)策略有效提高了算法的性能．4．3鄰域重心反向?qū)W習(xí)策略有效性分析為了進(jìn)一步對(duì)鄰域重心反向?qū)W習(xí)策略進(jìn)行分析，構(gòu)建了重心反向?qū)W習(xí)粒子群優(yōu)化算法COPSO，它以粒子群體重心為參考點(diǎn)計(jì)算反向解．表3給出了它們?cè)跍y試集前4組函數(shù)上的結(jié)果．分析表3的結(jié)果可以發(fā)現(xiàn)，，NCOPSO算法在21個(gè)函數(shù)上都勝過COPSO算法，5個(gè)函數(shù)上與它相當(dāng)，說明NCOPSO算法采用鄰域重心計(jì)算反向解，保留了COBL利用群體搜索經(jīng)驗(yàn)的優(yōu)點(diǎn)，而且彌補(bǔ)了COBL的多樣性不足，能夠協(xié)調(diào)整體性與多2821

電子學(xué)報(bào)2017年樣性之間的平衡，對(duì)提高算法收斂能力發(fā)揮了積極作用．4．4拓?fù)浣Y(jié)構(gòu)對(duì)算法影響為了分析拓?fù)浣Y(jié)構(gòu)對(duì)算法的影響，分別構(gòu)建環(huán)形拓?fù)涞腘COPSO算法，記為NCOPSO－Ｒing，和正方形拓?fù)涞腘COPSO算法，記為NCOPSO－Square．這兩種算法中粒子鄰居個(gè)數(shù)固定，不需要額外增加參數(shù)，其它設(shè)置與NCOPSO算法相同．表4給出了3種算法在測試集前4組函數(shù)上的結(jié)果，其中最后一行是3種算法的Fried-man檢驗(yàn)排名．分析表4可以看出，不同拓?fù)浣Y(jié)構(gòu)的NCOPSO算法在大部分函數(shù)上的結(jié)果差距不大．從表4最后一行的Friedman檢驗(yàn)排名上來看，NCOPSO算法略優(yōu)于其它兩個(gè)算法．表3NCOPSO算法及變體的實(shí)驗(yàn)結(jié)果FunctionNCOPSOCOPSOf18．77e－135±1．84e－1344．93e－76±9．21e－76f20．00e+00±0．00e+000．00e+00±0．00e+00f32．54e+01±1．14e－012．56e+01±1．25e－01f43．65e－04±2．54e－041．05e－03±3．10e－04f50．00e+00±0．00e+004．69e－09±1．05e－08f68．88e－16±0．00e+004．44e－15±0．00e+00f70．00e+00±0．00e+000．00e+00±0．00e+00f89．60e+01±2．41e+011．72e+01±5．28e+00f92．27e－13±0．00e+002．27e－13±0．00e+00f103．65e+06±5．43e+062．42e+06±2．22e+06f117．28e+07±6．94e+077．22e+07±8．20e+07f122．05e+04±4．31e+032．38e+04±4．70e+03f132．85e－03±2．56e－042．84e－03±1．94e－04f141．08e+02±6．42e+011．15e+02±6．32e+01f152．93e+01±1．45e+012．90e+01±8．44e+00續(xù)表FunctionNCOPSOCOPSOf162．10e+01±6．55e－022．10e+01±3．67e－02f172．34e+01±7．34e+002．90e+01±7．69e+00f18

【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(dòng)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(huì)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(huì)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(duì)混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國力學(xué)大會(huì)——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(dòng)態(tài)環(huán)境優(yōu)化問題[A];第二十七屆中國控制會(huì)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(huì)第九屆青年學(xué)術(shù)會(huì)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(hào)交叉口交通流預(yù)測模型[A];第二十六屆中國控制會(huì)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(dòng)分布式反饋控制[A];2005年中國智能自動(dòng)化會(huì)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(huì)議論文集（上冊(cè)）[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(huì)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(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)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(dòng)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 易云飛;基于伊藤隨機(jī)過程的粒子群優(yōu)化算法及其應(yīng)用研究[D];武漢大學(xué);2015年

5 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

6 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

7 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

8 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

9 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

10 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

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(dòng)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(hào)：2555203