基于时变Sigmoid函数的鲁棒PSO算法
在样本规模有限的情况下,为了提高算法的鲁棒优化性能,提出一种基于时变(随迭代次数变化) Sigmoid函数的鲁棒粒子群优化算法。采用拟蒙特卡罗积分方法近似估计有效目标函数,以时变Sigmoid函数为基础,设计各代各样本规模的选取概率。迭代前期,样本规模期望值较小,加快了算法探索速度;迭代后期,样本规模期望值较大,提高了算法的开发精度。标准测试函数仿真结果显示,所提出方法具有较优的鲁棒优化性能。
粒子群优化、鲁棒最优解、时变、Sigmoid函数
TP18(自动化基础理论)
国家自然科学基金项目51279099;上海市科学技术委员会基金项目12ZR1412500;上海市教委科研创新基金重点项目13ZZ124;上海市教育委员会和上海市教育发展基金会“曙光计划”基金项目12SG40;交通运输部应用基础研究项目2013329810300
2013-11-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
1650-1654