基于时变Sigmoid函数的鲁棒PSO算法

摘要：

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。

关键词：粒子群优化、鲁棒最优解、时变、Sigmoid函数

分类号：TP18(自动化基础理论)

资助基金：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

在线出版日期：2013-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1650-1654