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:
对已有关于PSO收敛性的研究结果进行了必要的修正和完善,并提出了一种不依赖个人经验的参数选择策略.针对特定问题,将PSO方法的性能表示成参数的函数,从而将参数选择问题转变成函数优化问题.同时,采用微分演化方法来确定PSO的最佳参数,收到了较好的效果.
推荐文章
PSO-MEA混合优化算法及其收敛性分析
混合优化算法
思维进化算法
粒子群优化算法
收敛性分析
小噪声随机延迟微分方程欧拉方法的收敛性
随机延迟微分方程
欧拉方法
收敛阶
基于被动采集的BGP收敛性分析方法实现
边界网关协议
收敛性
被动采集
路由
一个多目标优化演化算法的收敛性分析框架
多目标优化
演化算法
Pareto前沿
收敛性
有限马尔科夫链
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 PSO方法的收敛性及基于微分演化的参数确定策略
来源期刊 吉林大学学报(工学版) 学科 工学
关键词 人工智能 粒子群优化 收敛性 参数选择 微分演化
年,卷(期) 2007,(4) 所属期刊栏目
研究方向 页码范围 842-845
页数 4页 分类号 TP182
字数 2351字 语种 中文
DOI 10.3969/j.issn.1671-5497.2007.04.023
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 刘大有 吉林大学计算机科学与技术学院 211 4714 34.0 63.0
2 刘晓华 山东工商学院信息与电子工程学院 33 179 9.0 11.0
3 窦全胜 山东工商学院信息与电子工程学院 19 126 5.0 10.0
4 潘冠宇 吉林大学计算机科学与技术学院 4 78 2.0 4.0
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  (0)
节点文献
引证文献  (9)
同被引文献  (1)
二级引证文献  (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(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人工智能
粒子群优化
收敛性
参数选择
微分演化
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
吉林大学学报(工学版)
双月刊
1671-5497
22-1341/T
大16开
长春市人民大街5988号
12-46
1957
chi
出版文献量(篇)
4941
总下载数(次)
5
总被引数(次)
43316
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