基于混合策略自适应学习的并行粒子群优化算法
针对当前各种粒子群优化算法解决问题时存在的局限性,提出一种基于混合策略自适应学习的粒子群优化算法(HLPSO)。该算法从收敛速度、跳出局部极值、探索、开发几个不同角度融合了4种具有不同优势的变异策略,当面对不同形态的复杂问题时通过自适应学习机制选择出合适的策略来完成全局寻优。通过对7个标准测试函数的仿真实验并与其他算法相比较,所得结果表明了所提出的算法具有较快的收敛速度、较高的精度以及很强的跳出局部极值的能力。
粒子群优化、自适应学习、变异策略、函数优化
TP301(计算技术、计算机技术)
国家自然科学基金项目70971020/G010301;人工智能四川省重点实验室项目2012RYJ03
2013-07-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
1087-1093