融合迭代和问题维度的速度约束粒子群算法
粒子群算法广泛应用于工程、科学与管理等领域实际问题中的复杂优化问题求解,设计新的策略以应对算法的性能和效率瓶颈是该领域的研究热点.针对传统粒子群算法速度约束策略比较单一,容易导致算法收敛速度慢,性能低等问题,提出一种融合算法迭代和问题维度的速度约束策略.通过分析算法种群进化状态评估值与迭代次数及问题维度的关系,设计计算进化状态评估值的公式,使其受算法迭代次数和问题维度影响,最后根据进化状态评估值计算算法的速度约束范围,得到一种融合迭代和问题维度的速度约束粒子群算法.新的速度约束策略使粒子群算法的种群状态受到迭代次数和问题维度的影响,具有自适应性,并对不同维度问题求解具有扩展性,提高了粒子群算法的收敛速度和求解精度,仿真实验证明了算法的有效性.
粒子群优化算法、速度约束策略、进化状态预估、迭代次数、问题维度
40
TP18(自动化基础理论)
福建省心理健康人机交互技术研究中心项目;福建工程学院发展基金;福州市科技创新平台项目
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共15页
112-126