10.3969/j.issn.1006-4869.2015.04.008
自适应子空间高斯学习的粒子群优化算法
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。
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
TP301(计算技术、计算机技术)
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
2015-08-17(万方平台首次上网日期,不代表论文的发表时间)
共13页
31-42,69