|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
, [# ?" ~0 Q) Z
摘要:在继承综合学习粒子群算法(Comprehensive Learning Particle SwARM Optimizer,CLPSO)全局探索优势的基础上,引人具有高效收敛性能旳传统同部搜系( oOntitination algoritm with Adaplive starting stralegy of local fearch搜索策略的混合粒子群算法(Hybrid Particle Swarm Optimization algorithm with Adaptive starting strategy of Local Search$ [) a" w( l2 D
based on Quasi-Entropy,AISQE-HPSO).采用拟嫡指标解决何时启动OLS这一关键问题.对8个标准函数的10维和20维问题的测试结果,表明了ALSQE-HPSO算法的性能优势.本文提出的算法也与包含两种基于CLPSO的改进算法和一种带OLS的粒子群算法在内的其他6种改进粒子群算法进行了对比，实验结果表明AISQE-HPSO'算法的性能优于对比算法.
/ r6 o8 _2 u( C1 q, H% f3 v$ B2 Z B$ ~3 Z. g7 E3 `
关键词:进化算法;粒子群优化;自适应策略;局部搜索;种群多样性5 O: p1 @: A0 s* _$ c
; ?6 z0 ^6 u6 U8 x8 v
粒子群优化(Particle Swarm Optimization, PSO)算法是—种基于种群的智能进化算法.PSO算法因操作简单和全局寻优能力强等优点,在解决复杂优化问题上取得了良好的效果,但是也存在易陷人局部极小和迭代后期收敛速度慢等缺点.' ^+ x* y/ x( |* ~9 W
9 {# V9 v' P3 s
! @1 _4 l2 g1 q( t: K5 {0 b6 T! Q M: }/ J9 w
" {' R3 ?/ F' b |
|
/1 
发表于 2021-4-6 09:49
收藏
淘帖
支持！
反对！