本文關(guān)鍵詞：基于遺傳交叉和多混沌策略改進的粒子群優(yōu)化算法

  更多相關(guān)文章： 粒子群優(yōu)化算法 遺傳交叉 混沌慣性權(quán)重 多維和單維混沌局部搜索 混沌全局搜索

【摘要】：為有效改進基本PSO算法的搜索能力,提出了一種基于遺傳交叉和多混沌方式改進的粒子群算法。該算法為獲得比當前群體更優(yōu)的最優(yōu)解,采用了以下四種措施:其一,對當前群體中的最優(yōu)解和每個粒子最優(yōu)解進行遺傳交叉操作;其二,用混沌系統(tǒng)動態(tài)地調(diào)整PSO算法的慣性權(quán)重;其三,對整個解空間進行混沌全局搜索;最后,對當前群體中最優(yōu)解進行多維和單維的混沌局部搜索。仿真實驗結(jié)果表明:與其他三種算法相比,提出的算法在解決八個整數(shù)和混合整數(shù)非線性規(guī)劃問題時不僅收斂速度最快,而且具有100%的成功率。
【作者單位】： 湖南城市學院通信與電子工程學院;中南大學信息科學與工程學院;
【關(guān)鍵詞】： 粒子群優(yōu)化算法 遺傳交叉 混沌慣性權(quán)重 多維和單維混沌局部搜索 混沌全局搜索
【基金】：國家自然科學基金資助項目(61471164) 湖南省科技計劃資助項目(2014FJ3112) 湖南省教育廳優(yōu)秀青年資助項目(14B033)
【分類號】：TP18
【正文快照】： 0引言粒子群優(yōu)化(PSO)算法是由Kennedy和Eberhart提出的一種迭代搜索算法。由于PSO算法具有可調(diào)參數(shù)少、求解速度快、所求解的目標函數(shù)無須可微或可導(dǎo)等優(yōu)點,所以它廣泛用于求解各類優(yōu)化問題。然而,當目標函數(shù)中存在大量的局部極值,或者在一個離散和連續(xù)的空間內(nèi)具有多個自變，

本文編號：895082