基于反向学习和高斯扰动的粒子群优化算法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

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

引用
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

相关文献
评论
暂无封面信息
查看本期封面目录

计算机与数字工程

1672-9722

42-1372/TP

47

2019,47(12)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn