基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
论文提出了一种新的PSO算法--改进的速度变异粒子群算法(iPSOVMO).其变异策略是:在每次迭代循环中,对具有m个粒子的粒子群的每一维d上的速度的绝对值|v1,d|,|v2,d|,…,|vm,d|最小的速度vTs,d以一定的概率进行变异:使vTd,d随机而均匀地分布于[-vmax,vmax]上.对四个多峰的测试函数所做的对比实验表明,无论是全局版还是局部版,iPSOVMO都大大优于原始的PSO和传统变异PSO,也优于速度变异PSO(PSOVMO).
推荐文章
基于改进粒子群算法的变异体选择优化
软件测试
变异测试
变异体选择优化
粒子群优化算法
基于小波变异的改进粒子群算法
粒子群
平均最好位置
小波变异
带变异算子的自适应粒子群优化算法
粒子群优化算法
变异算子
自适应惯性权重
全局优化
一种改进的小波变异粒子群优化算法
粒子群优化算法
小波变异
小波变异粒子群优化算法
全局最优
鲁棒性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进的速度变异粒子群算法
来源期刊 计算机工程与应用 学科 工学
关键词 粒子群优化算法 速度变异 改进的速度变异
年,卷(期) 2006,(13) 所属期刊栏目 学术探讨
研究方向 页码范围 48-50,105
页数 4页 分类号 TP301
字数 4998字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.13.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王少梅 武汉理工大学物流学院 83 1367 22.0 32.0
2 刘舒燕 武汉理工大学管理学院 32 670 13.0 25.0
3 李宁 武汉理工大学计算机学院 60 1683 19.0 40.0
4 付国江 武汉理工大学计算机学院 9 206 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (3)
参考文献  (1)
节点文献
引证文献  (34)
同被引文献  (60)
二级引证文献  (114)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(6)
  • 引证文献(6)
  • 二级引证文献(0)
2009(8)
  • 引证文献(6)
  • 二级引证文献(2)
2010(14)
  • 引证文献(4)
  • 二级引证文献(10)
2011(21)
  • 引证文献(5)
  • 二级引证文献(16)
2012(14)
  • 引证文献(2)
  • 二级引证文献(12)
2013(6)
  • 引证文献(0)
  • 二级引证文献(6)
2014(20)
  • 引证文献(5)
  • 二级引证文献(15)
2015(13)
  • 引证文献(1)
  • 二级引证文献(12)
2016(13)
  • 引证文献(1)
  • 二级引证文献(12)
2017(13)
  • 引证文献(0)
  • 二级引证文献(13)
2018(9)
  • 引证文献(2)
  • 二级引证文献(7)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
粒子群优化算法
速度变异
改进的速度变异
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导