10.16526/j.cnki.11-4762/tp.2017.08.057
Logistic型混合自适应分数阶达尔文粒子群优化算法
针对传统的粒子群优化算法中存在的问题及分数阶达尔文微粒群优化(FDPSO)算法收敛速度慢,收敛精度不高的问题,改进其算法中分数阶速度更新策略,同时引入Logistic型混合分数阶自适应动态调整策略,得到一种改进的自适应分数阶达尔文粒子群优化(LFDPSO)算法,并通过相应理论分析,证明了该算法在给定条件下的收敛性,并由6个经典函数的数值测验表明,Logistic型混合自适应分数阶达尔文粒子群(LFDPSO)算法在收敛精度和收敛速度上得到了有效改善与提高,粒子在局部最优时的逃逸能力、全局寻优及智能搜索能力显著增强.
分数阶、粒子群、达尔文、自适应、速度更新、收敛速度
25
TP3(计算技术、计算机技术)
国家自然科学基金41474100;山东省自然科学基金ZR2013DM015
2017-09-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
221-225