10. 3969/j. issn. 1672-9722. 2019. 12. 011
基于反向学习和高斯扰动的粒子群优化算法
针对标准粒子群优化算法(Particle Swarm Optimization,PSO)收敛速度慢,易陷入局部最优的问题,提出一种基于反向学习和高斯扰动的粒子群优化算法.算法在粒子"自我学习"基础上,随机选择种群中任意粒子的反向位置,对当前粒子进行反向学习,增加种群多样性.算法在进化过程中,还对全局最优位置进行高斯扰动,防止算法陷入局部最优.实验表明,相比较传统知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等.论文算法在30维和100维测试函数上,无论是收敛精度,还是收敛速度,均具有明显的优势.
粒子群优化算法、反向学习、高斯扰动
47
TP301.6;TP18(计算技术、计算机技术)
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
2993-2998