發(fā)布時間：2017-08-22 23:30

  本文關(guān)鍵詞：帶自適應(yīng)精英擾動及慣性權(quán)重的反向粒子群優(yōu)化算法

  更多相關(guān)文章： 一般性反向?qū)W習(xí) 粒子群優(yōu)化 自適應(yīng)精英變異 非線性慣性權(quán)重

【摘要】：針對反向粒子群優(yōu)化算法存在的易陷入局部最優(yōu)、計算開銷大等問題,提出了一種帶自適應(yīng)精英粒子變異及非線性慣性權(quán)重的反向粒子群優(yōu)化算法(OPSO-AEMNIW),來克服該算法的不足。OPSO-AEMNIW算法在一般性反向?qū)W習(xí)方法的基礎(chǔ)上,利用粒子適應(yīng)度比重等信息,引入了非線性的自適應(yīng)慣性權(quán)重(NIW)調(diào)整各個粒子的活躍程度,繼而加速算法的收斂過程。為避免粒子陷入局部最優(yōu)解而導(dǎo)致搜索停滯現(xiàn)象的發(fā)生,提出了自適應(yīng)精英變異策略(AEM)來增大搜索范圍,結(jié)合精英粒子的反向搜索能力,達到跳出局部最優(yōu)解的目的。上述2種機制的結(jié)合,可以有效克服反向粒子群算法的探索與開發(fā)的矛盾。實驗結(jié)果表明,與主流反向粒子群優(yōu)化算法相比,OPSO-AEMNIW算法無論是在計算精度還是計算開銷上均具有較強的競爭能力。
【作者單位】： 武漢大學(xué)計算機學(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;
【關(guān)鍵詞】： 一般性反向?qū)W習(xí) 粒子群優(yōu)化 自適應(yīng)精英變異 非線性慣性權(quán)重
【基金】：國家自然科學(xué)基金資助項目(No.61170305,No.61672024)~~
【分類號】：TP18
【正文快照】： 1引言粒子群優(yōu)化算法(PSO,particle swarm optimiza-tion)是一種基于群體進化的隨機仿生優(yōu)化算法,由Kennedy和Eberhart等[1]于1995年提出,其思想源于對魚群及鳥類等群體覓食行為的模擬。算法自提出以來,由于其概念簡單且易于理解和實現(xiàn),在解決復(fù)雜優(yōu)化問題,如非線性、多峰等問

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李紹軍;王惠;錢鋒;;基于模式優(yōu)選思想改進的粒子群優(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)化算法的自動機制設(shè)計[J];計算機工程與應(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;;一種具有雙重進化空間的擴展粒子群優(yōu)化算法[J];小型微型計算機系統(tǒng);2008年08期

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

6 馮紀強;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];計算機學(xué)報;2005年12期

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

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 徐俊杰;忻展紅;;基于增強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[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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉昊;多樣性增強的粒子群優(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 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

4 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

5 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

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

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

8 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

9 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

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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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)化支持向量機的網(wǎng)絡(luò)態(tài)勢預(yù)測模型研究[D];蘭州大學(xué);2015年

3 徐向平;粒子群優(yōu)化算法及其在生物數(shù)據(jù)聚類中的應(yīng)用[D];江南大學(xué);2016年

4 楊博宇;多群協(xié)同多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用研究[D];東北大學(xué);2014年

5 趙俊波;基于改進粒子群優(yōu)化算法的人員疏散問題研究[D];遼寧科技大學(xué);2016年

6 朱潤水;基于多目標(biāo)粒子群優(yōu)化的SDN網(wǎng)絡(luò)能耗感知負載均衡研究[D];山東大學(xué);2016年

7 王培坤;多粒子群優(yōu)化算法的串行硬件結(jié)構(gòu)實現(xiàn)[D];華南理工大學(xué);2016年

8 趙亞光;多目標(biāo)粒子群優(yōu)化算法研究及在HEV參數(shù)優(yōu)化中應(yīng)用[D];南京信息工程大學(xué);2016年

9 周丹;混合策略粒子群優(yōu)化算法的研究及應(yīng)用[D];江南大學(xué);2016年

10 陳東;粒子群優(yōu)化算法在投資組合中的應(yīng)用[D];廣東財經(jīng)大學(xué);2016年

，

本文編號：721706