一种改进的粒子群与差分进化混合算法

摘要：

粒子群优化算法(PSO,particle swarm optimization)在搜寻全局最优解时易出现局部最优、收敛速度慢、收敛精度低等缺点。为此,在基本的粒子群优化算法中引入了 Tent 混沌操作以及惯性权重的自适应调整操作,并且与加入了参数自适应调整操作的差分进化(DE,differential evoluation)算法进行融合,提出一种改进的自适应混沌粒子群(IPSO,improved particle swarm optimization)算法与自适应差分进化(IDE,improved differertion evolution)算法的混合算法。仿真结果表明,相比于 PSO 和 DE 算法,新提出的算法具有收敛速度快、搜索能力强的优点。

关键词：粒子群优化算法、差分进化算法、自适应、混沌

所属期刊栏目：30

分类号：TP18(自动化基础理论)

资助基金：陕西省自然科学基础研究计划资助项目2014JM100;陕西省自然软科学研究计划资助项目

在线出版日期：2016-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：380-387