10.3969/j.issn.1673-4785.201205011
交互学习的粒子群优化算法
分析基本的粒子群优化学习机制的缺陷,启发于人类社会不同群体之间可以交互学习的特点,提出了一种改进粒子群优化算法——ILPSO.在ILPSO算法中,粒子由2个种群构成.当2个种群中最佳的全局最优位置在连续一定的迭代次数内没有改善时,执行交互学习策略.依据每个种群的全局最优位置的适应值,运用模拟退火的机制和轮盘赌的方法确定学习种群和被学习种群.提出了一个基于适应度排序的经验公式,计算学习种群中的每个粒子向被学习种群学习的概率.为了摆脱选择压力,采用了一种速度变异的方法.多个测试函数的数值实验结果表明,ILPSO具有较好的全局搜索能力,是一种求解复杂问题的有效方法.
粒子群优化算法、交互学习、学习策略、学习行为、群体多样性
7
TP18(自动化基础理论)
国家自然科学基金资助项目71071057,71001072;广东省自然科学基金资助项目S2011010001337
2013-02-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
547-553