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:
传统粒子群优化算法PSO(Particle Swarm Optimization)概念简单,适应性强,但存在早熟等问题.本文提出了新的基于搜索空间划分(Search Space Division)和Sharing函数的智能分布粒子群优化算法(SDSIR-PSO).创新点包括:(1)保优的重布粒子算法;(2)引入Sharing函数阻止重分布的粒子陷入同一局部最优;(3)划分搜索空间,子空间中寻优,再优中选优,作全局最优.通过对典型测试函数的详细测试验证了新算法的有效性,在相同条件下较传统算法的解精度提高了80%以上,并有效避免了早熟,提高了收敛速度.
推荐文章
基于分区和分层搜索的并行粒子群算法
并行粒子群算法
分区
分层搜索
基于粒子群优化算法的空间聚类分析
粒子群优化
空间聚类
数据挖掘
动态搜索空间的粒子群算法
粒子群算法
搜索空间
自适应
均匀分布
基于高斯函数递减惯性权重的粒子群优化算法
粒子群优化
高斯函数
惯性权重
收敛速度
执行效率
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 基于搜索空间划分和Sharing函数的粒子群优化算法
来源期刊 四川大学学报(自然科学版) 学科 工学
关键词 粒子群算法 搜索空间划分 智能分布 Sharing函数
年,卷(期) 2007,(5) 所属期刊栏目 研究论文
研究方向 页码范围 985-989
页数 5页 分类号 TP301.6
字数 4159字 语种 中文
DOI 10.3969/j.issn.0490-6756.2007.05.013
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 唐常杰 四川大学计算机学院 164 2750 30.0 45.0
2 乔少杰 四川大学计算机学院 29 470 14.0 21.0
3 徐开阔 四川大学计算机学院 17 63 6.0 7.0
4 苏辉 四川大学计算机学院 2 13 2.0 2.0
5 张培颂 四川大学计算机学院 4 20 3.0 4.0
6 宋美娇 四川大学计算机学院 2 13 2.0 2.0
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  (0)
参考文献  (1)
节点文献
引证文献  (6)
同被引文献  (23)
二级引证文献  (17)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(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)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(4)
  • 引证文献(1)
  • 二级引证文献(3)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(5)
  • 引证文献(0)
  • 二级引证文献(5)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
粒子群算法
搜索空间划分
智能分布
Sharing函数
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
四川大学学报(自然科学版)
双月刊
0490-6756
51-1595/N
大16开
成都市九眼桥望江路29号
62-127
1955
chi
出版文献量(篇)
5772
总下载数(次)
10
总被引数(次)
25503
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导