|
|
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
6 y) r- j5 e$ W, K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
+ R* Y) m( Q/ [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." g5 ~9 h1 J V5 A2 D4 }
% I1 x0 q, I8 q; b; q2 Y) ?4 _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! r7 k6 R+ D3 S" V y
; E2 [" ]0 [- O* X 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." K% S3 n0 P) A) u- Z+ T4 P h
+ L2 F8 v i6 D4 O( G2 l7 p) u; i
2 j0 V4 y* L [, ?3 T0 V0 N% ~" u, E# o3 `( j ]& l
0 J/ \0 {' }1 O$ O; G7 c
|
|
/1 
发表于 2021-4-6 09:49
收藏
淘帖
支持！
反对！