积分商城

最新搜索： 88E1112 stm32f0 usb源码 TEF6686 adxl355 STM32F767 挑战者
您现在的位置是：首页 > 教程 > 带邻近粒子信息的粒子群算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

带邻近粒子信息的粒子群算法

更新时间：2019-11-10 13:35:47 大小：270K 上传用户：杨义查看TA发布的资源 标签：粒子群算法 下载积分：0分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

文档为带邻近粒子信息的粒子群算法总结文档，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
带邻近粒子信息的粒子群算法.pdf 270K

部分页面预览

（完整内容请下载后查看）
计算机工程与应用  
40  
， （  
2009 45 18  
）
Computer Engineering and Applications  
带邻近粒子信息的粒子群算法  
1
蔡昌新 ，张顶学  
1
2
2
，
CAI Chang-xin ZHANG Ding-xue  
长江大学 电信学院，湖北 荆州  
1.  
434023  
长江大学 石油工程学院，湖北 荆州  
2.  
434023  
，
，
，
1.College of Electronics & Information Yangtze University Jingzhou Hubei 434023 China  
，
，
，
，
2.College of Petroleum Engineering Yangtze University Jingzhou Hubei 434023 China  
，
：
E-mail  
，
CAI Chang-xin ZHANG Ding-xue.Particle swarm optimization with information of closest particleꢀComputer Engineering  
， ，（ ）：  
and Applications 2009 45 18 40-42ꢀ  
： （ ） ，  
Abstract To overcome premature searching by standard Particle Swarm Optimization PSO algorithm a new modified PSO with  
，
information of the closest particle is proposed.In the algorithm the particle is updated not only by the best previous position and  
，
the best position among all the particles in the swarm but also by the best previous position of the closest particle.To balance  
，
the trade-off between exploration and exploitation and convergence to the global optimum solution a linearly varying acceleration  
coefficient over the generations is introduced.The simulation results show that the algorithm has better probability of finding global  
，
optimum and mean best value than others algorithm especially for multimodal function.  
： ； ；  
Key words particle swarm optimization optimization population diversity  
摘 要：针对标准粒子群算法易出现早熟的问题，提出了一种带邻近粒子信息的粒子群算法。该算法中粒子位置的更新不仅包括  
自身最优和种群最优，还包括粒子目前位置最近粒子最优的信息。为了有效地平衡算法的全局探索和局部开发，并使其收敛于全  
局最优值，采用了时变加速因子策略，两个加速因子随进化代数线性变化。通过对 个经典测试函数优化的数值仿真实验并与其  
5
他粒子群算法的比较，结果表明了在平均最优值和成功率上都有所提高，特别是对多峰函数效果更加明显。  
关键词：粒子群算法；优化；种群多样性  
：
DOI 10.3778/j.issn.1002-8331.2009.18.012  
文章编号： （ ）  
10ꢀ2－8331 2009 18-0040-03  
文献标识码：  
A
中图分类号：  
TP301.6  
本文在标准  
算法的基础上，提出了一种带邻近粒子  
PSO  
前言  
1
信息的  
算法。该算法在更新粒子位置时，不仅跟踪自身最  
PSO  
粒子群优化（ ）算法是一种新的基于群体智能的优化  
PSO  
[1-2]  
算法，它是在模拟鸟群觅食行为规律的基础上提出的 。由于  
优和种群最优，还与目前位置最邻近粒子发生信息交流，由此  
减弱了种群最优对粒子的影响，避免算法出现早熟。  
其结构简单、参数调整简单易行，适合计算机编程处理等优点，  
算法提出后受到了学者的广泛关注。  
通过种群粒子之间的合作与竞争群体智能指导优化  
基本粒子群算法  
PSO  
2
搜索，其搜索速度较快，但也存在易陷入局部最优的问题。其主  
要原因是算法在进化后期局部开发能力较强，而全局探索的能  
力较弱，一旦粒子赶上种群最优，粒子会聚集到相同位置并停  
止移动，种群的多样性会慢慢丧失，从而导致算法过早收敛而  
出现早熟。为了平衡算法的全局探索能力和局部开发能力，一  
算法是由  
和
在
年提出，是一  
PSO  
Kennedy  
Eberhart  
1995  
种模拟鸟群飞行觅食的行为，通过个体之间的协作来寻找最优  
[1-2]  
解的进化计算技术 。假设其搜索空间为 维，粒子总数为 ，  
N
n
第 个粒子在 维空间的位置表示为 ，飞行速度表示为 。每  
xi vi  
i
ꢀ
个粒子都具有一个由被优化的目标函数决定的适应值，并且知  
道自己到目前为止所发现的最好位置 和现在的位置 ，每个  
些学者对  
算法进行了改进，提出随着进化代数的增加线  
PSO  
pi  
xi  
[2]  
[3]  
性减小惯性权重的策略 ，随机惯性权重策略 ，用模糊控制器  
[4]  
粒子都知道目前为止整个群体所发现的最好位置 。每个粒子  
pg  
来自适应改变惯性权重 ，以及利用进化过程中粒子适应度的  
[5]  
差异来评价种群的早熟收敛程度，并据此动态地改变惯性权重 ，  
的位置按式（）、式（）进行变化。  
1
2
k+1  
k
k
k
（
）
（
=w×v +c ×r × p -x +c ×r × p -x  
）
（）  
1
v
id  
id  
1
1
id  
id  
2
2
gd  
id  
等等。这些方法在一定程度上平衡了算法的全局探索和局部开  
发能力，对预防早熟起到了一定的效果。  
k+1  
k
k+1  
（）  
2
x
=x +v  
id  
id  
id  
基金项目：湖北省高等学校优秀中青年创新团队计划项目（  
）。  
No.T200803  
作者简介：蔡昌新（  
收稿日期：  
），男，讲师，主要研究方向：智能控制与算法研究；张顶学（  
1974－ 1974－  
），男，博士，讲师，主要研究方向：系统工程。  
修回日期：  
2008-10-16  
2008-07-23  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号