|
|
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
% g9 Z3 [. j) W$ ?: C1 E3 N5 t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) J8 A f$ \( z; N
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.
" j8 ^ @( c5 @% V6 T+ J* \: C) A
+ o- C( V$ s( W1 e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2 m0 r6 I2 G" t* {- q
) N- S& ` G6 H3 l" k
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.# B( L5 m% n# h4 Q% ^6 L3 X% r
% P, B5 f+ f" Q. Z! w3 O$ h/ J
: j9 S, ?9 P: I. A; X5 ~: G; f. [5 }3 k. Z8 Z
. q, C! n' F2 V' d& f- F) z7 k |
|
/1 
发表于 2021-4-6 09:49
收藏
淘帖
支持！
反对！