基于强化学习的适应性微粒群算法
惯性权重足微粒群算法(PSO)的重要参数,它可以甲衡算法的全局和局部搜索能力的关系,改善算法的性能.对此,提出一种基于强化学习的适应性微粒群算法(RPSO).首先将不同惯性权重调整策略视为粒子的行动集合;然后通过计算Q函数值.考察粒子多步进化的效果;进而选择粒_了最优进化策略,动态调整惯性权重,以增强算法寻找全局最优的能力.对几种经典函数的测试结果表明,RPSO能够获得良好的性能,特别是对多峰函数效果更加明显.
微粒群算法、惯性权重、自适心、强化学习
26
TP18(自动化基础理论)
国家自然科学基金项目60373063;90612003;山东省自然科学基金项目Y2007611
2011-08-30（万方平台首次上网日期，不代表论文的发表时间）
54-58,64
