10.11772/j.issn.1001-9081.2013.08.2269
基于自适应排斥因子的改进粒子群算法
基本粒子群算法在求解复杂的多峰问题时,由于存在较多的局部最优解,算法极易出现早熟现象.为克服这一缺陷,采用蒙特卡洛(Monte Carlo)方法模拟了种群飞行轨迹,得出种群极易陷入局部最优解的原因;在此基础上,通过定义粒子间距离、粒子间最大距离和粒子间平均距离,提出一种自适应控制粒子自身最优位置和种群最优位置间距离的排斥因子(ARF),来提升种群跳出局部最优的能力.为测试提出策略的有效性,在60次独立运行时,基于ARF的改进PSO算法(ARFPSO)在Rosenbrock,Ackley和Griewank函数上所获得的最好值分别为53.82,2.1203和5.32E-004,都优于其他两种对比算法,这表明ARFPSO能有效地跳出局部最优解;算法的复杂度分析表明引入的策略没有增加计算复杂度.
粒子群算法、自适应排斥因子、蒙特卡洛模拟、多峰问题、局部最优解
33
TP18(自动化基础理论)
中国博士后基金资助项目2012M520936;上海市博士后基金资助项目12R21416000;贵州省科学技术基金资助项目黔科合J字[2012]2340,LKZS[2012]10;遵义师范学院科研基金资助项目2012BSJJ19;遵义师范学院红色化资源开发与区域经济研究中心项目ZE2012007;贵州省高校优秀科技创新人才支持计划资助项目黔教合KY[2012]104号
2013-10-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
2269-2272