10.3778/j.issn.1673-9418.1908037
具有动态子空间的随机单维变异粒子群算法
传统粒子群算法采用整体维度更新策略,常因某一维或某几维未达到最优解,导致粒子适应值变差.针对此问题,提出具有动态子空间的随机单维变异粒子群优化算法,从优质粒子全维空间中,构造动态子空间,并随机选择异于子空间的一维进行变异.子空间大小动态变化:前期选取多数维度组成子空间,增大变异维度的多样性;后期选取少数维度组成子空间,增强粒子精细搜索的能力.同时,根据Pareto定律,使种群在前期20％迭代次数内,探索新解空间区域,后期80％迭代次数内,进行有效的平衡搜索,加快种群收敛速度.使用多类型基准测试函数,在30、50和100维下进行仿真实验,结果表明,该算法在收敛速度和精度上,不仅优于新改进的粒子群算法,而且优于新改进的人工蜂群算法和萤火虫算法.
粒子群优化算法(PSO)、单维变异、动态子空间、Pareto定律
14
TP182;TP391(自动化基础理论)
The National Natural Science Foundation of China under Grant Nos. 61663029, 51669014, 61663028 国家自然科学基金;the Project of 2018 Graduate Innovation Special Foundation of Jiangxi Province under Grant No. YC2018-S422 江西省2018年度研究生创新专项资金项目;the Science Fund for Distinguished Young Scholars of Jiangxi Province under Grant Nos. 2018ACB21029, 20171BCB23075 江西省杰出青年基金项目;the Natural Science Foundation of Jiangxi Province under Grant Nos. 20192BAB207031, 20171BAB202035 江西省自然科学基金
2020-08-19（万方平台首次上网日期，不代表论文的发表时间）
共18页
1409-1426
