多种群子空间学习粒子群优化算法
针对标准PSO在处理复杂高维优化问题时易出现收敛速度慢、陷入局部最优等问题,提出一种多种群子空间学习的粒子群优化算法(MSPSO).该方法构造了一种新的多子群间信息共享模式,提出子空间学习的概念,并对普通粒子和精英粒子分别进行子空间学习.本文算法简单明确,易于实现,具有很强的稳定性、收敛速度快和较好的全局搜索能力.在固定评估次数的情况下,对常用的19个基准测试函数进行了30维和100维仿真实验,实验结果表明本文算法在收敛速度和求解精度上优于最近提出的几种知名算法(如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等),特别是在高维问题上优势更加明显.
粒子群优化算法、多种群、子空间、高斯学习
37
TP18(自动化基础理论)
国家自然科学基金项目61261039;江西省自然科学基金项目20122BAB201043;江西省落地计划项目KJLD13096
2016-10-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
2054-2059