10.11772/j.issn.1001-9081.2016.03.687
基于高斯扰动和自然选择的改进粒子群优化算法
为了有效地平衡粒子群算法的全局与局部搜索性能,提出一种基于高斯扰动和自然选择的改进粒子群优化算法.该算法在采用简化粒子群优化算法的基础上,考虑到个体最优粒子间的相互影响,使用所有融入高斯扰动的个体最优的平均值代替每个粒子的个体最优值,并且借鉴自然选择中适者生存的进化机制提高算法优化性能;同时通过含有惯性权重停止阚值的自适应调节余弦函数递减策略来实现对惯性权重的非线性调整并采用异步变化调整策略来改善粒子的学习能力.仿真实验结果表明,所提算法在收敛速度和精度等方面均有提高,寻优性能优于近期文献中的几种改进的粒子群优化算法.
粒子群优化、高斯扰动、自然选择、惯性权重、异步变化
36
TP18(自动化基础理论)
国家自然科学基金资助项目61203109,61563012;广西自然科学基金资助项目2014GXNSFAA118371.This work is partially supported by the National Natural Science Foundation of China61203109,61563012;Guangxi Natural Science Foundation2014GXNSFAA118371
2016-06-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
687-691