自适应子空间高斯学习的粒子群优化算法

摘要：

为了克服粒子群优化算法在复杂优化问题上易出现早熟收敛、多样性缺失等问题，提出了自适应子空间高斯学习的粒子群优化算法。该方法提出了适应值离散度和子空间高斯学习的概念，以自适应地调整参数和搜索策略，帮助粒子逃离局部最优。同时，该方法还提出邻域学习策略，引入了邻域最优粒子。当前粒子的邻域在进化过程中通过动态构建，以增强种群的多样性。实验对19个常用的经典基准测试函数在30和100维进行了测试，结果表明该算法在收敛速度和寻优精度上优于一些知名的PSO算法。最后，将改进的算法应用于无线传感器网络覆盖优化问题，获得了较好的结果。

关键词：粒子群优化算法、子空间、适应值离散度、高斯学习、无线传感器网络

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61261039；江西省自然科学基金资助项目20122BAB201043，20132BAB211031；江西省教育厅落地计划项目KJLD13096

在线出版日期：2015-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：31-42,69