基于群智能的连续优化算法研究

• 作者: 张虹 蔡金燕 薛嘉 马飒飒
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 连续优化 蚁群优化算法 粒子群优化算法 群集智能 空间划分 拓扑结构
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 1969-1973
• 页数: 5页
• 分类号: TP301.6
• 字数: 5391字
• 语种: 中文

摘要

在对蚁群优化算法(ACO)和粒子群优化算法(PSO)进行分析的基础上,提出一种解决函数连续优化的群智能混合策略-CA-PSO.在求解过程中,首先对解空间进行区域划分,进而利用ACO在优化初期具备的快速收敛性能,在整个解空间内搜索最优解的敏感区域.然后利用蚁群的搜索结果初始化PSO粒子,利用PSO快速和全局收敛性进行所在小区域内的搜索.种群更新时根据蚁群的拓扑结构和小区域间的阶跃规则,蚁群不断向最优解敏感区域聚集,使得敏感区域内粒子数增加,则局部的PSO搜索策略可以更细密的搜索最优.实例结果表明,CA-PSO既能保证解的分布性与多样性,又避免了在多峰值函数寻优过程中陷入局部最优解而停止运算,最终将收敛到全局最优解.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡金燕	军械工程学院光学与电子工程系	144	811	13.0	18.0
2	马飒飒	军械工程学院军械技术研究所	22	204	8.0	13.0
3	薛嘉	军械工程学院光学与电子工程系	5	17	3.0	4.0
4	张虹	西安卫星测控中心技术部	3	9	2.0	3.0