10.13705/j.issn.1671-6833.2019.02.007
基于学习理论的改进粒子群优化算法
论文针对粒子群算法容易陷入局部最优的问题,提出基于学习理论的粒子群算法(L-PSO).该算法通过为粒子群全局最优粒子设定最大周期限制,使达到最大周期的全局最优粒子可以被取代,同时利用聚类的思想对粒子群进行分组,通过随机选择两个组中心,以一定概率进行交叉变异,生成竞争粒子并替换达到最大周期的全局最优粒子,能够较好地避免算法陷入局部最优,提高算法的收敛速度.在基准测试函数集上的测试结果表明该算法有效.
粒子群算法、最优化、有效性、测试函数
40
TP311(计算技术、计算机技术)
国家自然科学基金资助项目161773296
2019-05-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
29-34