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:
为提高粒子群算法的收敛性能,提出一种自适应粒子认知域方法.在粒子位置的更新方法中,粒子运动到当前的最好位置由计算得到的最好位置为中心,粒子的认知方向为导向来确定.利用线性惯性下降权重来实现粒子的优化.为验证该方法的有效性,将此方法应用于3种不同的粒子群方法,分别是固定权重粒子群方法、线性下降权重粒子群方法及阶梯形群体粒子群算法.实验结果表明此方法是较有效的.
推荐文章
基于自适应选择和变异的改进粒子群算法
粒子群
选择算子
变异算子
改进的自适应多目标粒子群算法
多目标优化
粒子群优化
帕累托最优
约束控制
边界处理
全局最优选择
自适应控制
最大传输能力
改进的云自适应粒子群优化算法
粒子群优化
自适应参数调整
云模型
全局最优性
基于群体适应度方差的自适应混沌粒子群算法
混沌
均匀性
粒子群算法
适应度方差
收敛比率
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 基于自适应认知域的粒子群性能改进方法
来源期刊 模式识别与人工智能 学科 工学
关键词 粒子群优化(PSO) 线性下降权重粒子群(LDWPSO) 认知域 阶梯形群体粒子群算法(LPSO)
年,卷(期) 2009,(5) 所属期刊栏目 论文与报告
研究方向 页码范围 726-730
页数 5页 分类号 TP24
字数 2941字 语种 中文
DOI 10.3969/j.issn.1003-6059.2009.05.008
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 刘暾东 厦门大学自动化系 52 255 9.0 13.0
2 陈得宝 淮北煤炭师范学院物理与电子信息学院 38 253 10.0 13.0
3 李素文 淮北煤炭师范学院物理与电子信息学院 21 90 5.0 8.0
4 王颖 厦门大学自动化系 27 240 10.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (8)
参考文献  (5)
节点文献
引证文献  (10)
同被引文献  (40)
二级引证文献  (20)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(4)
  • 参考文献(2)
  • 二级参考文献(2)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(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)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(5)
  • 引证文献(4)
  • 二级引证文献(1)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
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
粒子群优化(PSO)
线性下降权重粒子群(LDWPSO)
认知域
阶梯形群体粒子群算法(LPSO)
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
模式识别与人工智能
月刊
1003-6059
34-1089/TP
16开
中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱
26-69
1989
chi
出版文献量(篇)
2928
总下载数(次)
8
总被引数(次)
30919
相关基金
安徽省自然科学基金
英文译名:Anhui Provincial Natural Science Foundation
官方网址:http://www.ahinfo.gov.cn/zrkxjj/index.htm
项目类型:安徽省优秀青年科技基金
学科类型:
论文1v1指导