10.3969/j.issn.1000-1220.2021.05.016
学习邻域参数的粒子群算法
针对粒子群算法的参数自适应的问题,提出了学习邻域参数的粒子群算法(Particle swarm optimization with learning neighborhood parameter learning,LNPPSO).为了使参数适应环境,将种群的中个体赋予不同的参数,根据邻域粒子的适应度变化和参数信息来更新粒子参数;为了增强跳出局部极值的能力,对所有粒子施加单维速度变异.为了平衡探索和开发,在更新过程中使用基于全局最优值的概率自适应方法来调整参数变化方法的比例.在10个标准测试函数上的实验结果表明:与对应的算法相比,LNPPSO前期着重于参数的适应和搜索空间的探索,收敛速度提升不明显,但中后期收敛速度得到明显提升,搜索结果具有更好的精度,在单峰函数和多峰函数上都有很好的表现.
粒子群算法、参数自适应、邻域学习、速度变异
42
TP301(计算技术、计算机技术)
国家自然科学基金62002249
2021-06-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
996-1002