推荐星级：
- 1
- 2
- 3
- 4
- 5
一种模拟退火和粒子群混合优化算法
资料介绍
文档为一种模拟退火和粒子群混合优化算法总结文档，是一份不错的参考资料，感兴趣的可以下载看看，，，，，，，，，，，，，
部分文件列表
| 文件名 | 大小 |
| 一种模拟退火和粒子群混合优化算法.pdf | 274K |
部分页面预览
（完整内容请下载后查看）ꢀꢀ第 25卷 ꢀ第 11期
计 ꢀ算 ꢀ机 ꢀ仿 ꢀ真
2008年 11月 ꢀꢀ
(
)
文章编号 : 1006 - 9348 2008 11 - 0179 - 04
一种模拟退火和粒子群混合优化算法
王联国1, 2 , 洪 ꢀ毅1 , 赵付青1 , 余冬梅1
(
)
1. 兰州理工大学电气与信息工程学院 ,兰州 , 730050; 2. 甘肃农业大学信息科学技术学院 ,兰州 , 730070
(
)
(
)
摘要 :针对粒子群优化算法 PSO 容易陷入局部极值点、进化后期收敛慢和优化精度较差等缺点。把模拟退火技术 SA 引
入到 PSO算法中 ,提出了一种混合优化算法。混合优化算法在各温度下依次进行 PSO和 SA搜索 ,是一种两层的串行结构。
由于 PSO提供了并行搜索结构 ,所以 ,混合优化算法使 SA转化成并行 SA算法。SA的概率突跳性保证了种群的多样性 ,从
而防止 PSO算法陷入局部极小。混合优化算法保持了 PSO算法简单容易实现的特点 ,改善了算法的全局优化能力 ,提高了
算法的收敛速度和计算精度。仿真结果表明 ,混合优化算法的优化性能优于基本 PSO算法。
关键词 :粒子群优化算法 ; 模拟退火 ; 混合算法 ; 并行搜索
中图分类号 : TP18 ꢀꢀ文献标识码 : B
A Hybr id Algor ithm of Sim ulated Annealing and
Particle Swarm O ptim ization
1
1
1
WANG L ian - guo1, 2 , HONG Yi , ZHAO Fu - qing , YU Dong - mei
(
1. College of Electrical and Information Engineering ,Lanzhou University of Technology, Lanzhou Gansu 730050 , China;
)
2. College of Information Science and Technology , Gansu Agricultural University, Lanzhou Gansu 730070 , China
(
)
ABSTRACT: In view of the defects of particle swarm op tim ization PSO algorithm such as easy to get into local ex2
tremum, slow convergence in the end of evolution stage and low computational precision, this paper introduces a sim2
(
)
ulated annealing algorithm SA into the PSO algorithm, and p roposes a new hybrid optim ization algorithm. The hy2
brid op tim ization algorithm makes PSO and SA search in various temperatures alternately. It is a kind of double -
deck serial structure. PSO provides parallel search structure so that SA can be converted to parallel SA algorithm.
Since SA’s p robability ensures population’s diversity, it p revents PSO to get into local extremum. The proposed al2
gorithm keeps the feature of easily imp lementing original particle swarm op tim ization, improves the ability of searching
the global excellent result, and has fast convergence and high computational precision. The computational result of
several benchmark problem s shows that the proposed algorithm is superior to the original particle swarm optim ization.
KEYWO RDS: Particle swarm optim ization; Simulated annealing; Hybrid algorithm; Parallel searching
差。因此 ,许多研究者提出了大量的改进算法 [2 - 11 ] ,这些改
1ꢀ引言
进算法在一定程度上改善了基本粒子群算法的性能。
PSO优化算法是 Kennedy和 Eberhart于 1995年提出的
基于群体智能方法的演化计算技术 [1 ] ,其思想来源于对鸟群
等生物种群觅食行为的研究和对一个简化社会模型的仿真 ,
是一种基于群集智能的具有全局寻优能力的优化工具。粒
子群优化算法简单、容易实现同时又有深刻的智能背景 ,因
此 ,在短短十几年间 ,获得了很快的发展 ,出现大量的研究成
果 ,并在函数优化、神经网络训练、模式分类、模糊系统控制
以及其他工程领域得到了广泛的应用。然而 ,同其它智能优
化算法一样 ,粒子群优化算法也易陷入局部极值点 ,在进化
后期收敛慢 ,粒子趋于同一化 ,失去了多样性 ,优化精度较
该文将模拟退火思想引入到粒子群优化算法中 ,提出了
(
一种模拟退火和粒子群优化算法的混合算法 A Hybrid A lgo2
rithm of Simulated Annealing and Particle Swarm Op tim ization,
)
简称 SA - PSO ,该算法结合了粒子群优化算法的全局寻优
能力、实现简单和模拟退火算法较强的跳出局部最优解的能
力 ,从而避免了粒子群优化算法陷入局部极值点 ,提高了进
化后期算法的收敛速度和精度 ,并使 SA 转化成并行算法。
基准测试函数的对比实验结果说明所提出的混合算法优于
基本粒子群算法。
收稿日期 : 2007 - 08 - 31ꢀ修回日期 : 2007 - 10 - 15
— 179 —
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.
全部评论(0)