一种多策略混合的粒子群优化算法
针对传统粒子群优化算法在解决一些复杂优化问题时易陷入局部最优且收敛速度较慢的问题,提出一种多策略混合的粒子群优化算法(Hybrid Particle Swarm Optimization with Multiply Strategies,HPSO).该算法利用反向学习策略产生反向解群,扩大粒子群搜索的范围,增强算法的全局勘探能力;同时,为避免种群陷入局部最优,算法对种群中部分较差的个体实施柯西变异,以产生远离局部极值的个体,而对群体中较好的个体施以差分进化变异,以增强算法的局部开采能力.对这 3 种策略进行了有机结合以更好地平衡粒子群算法全局勘探和局部开采的能力.将HPSO 算法与其他3 种知名的粒子群算法在10 个标准测试函数上进行了性能比较实验,结果表明 HPSO算法在求解精度和收敛速度上具有较显著的优势.
反向学习、粒子群优化、柯西变异、差分进化
45
TP301(计算技术、计算机技术)
科学计算与智能信息处理广西高校重点实验室开放课题GXSCIIP201604
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
120-123