具有启发式探测及自学习特征的降维对称微粒群算法

• 作者: 刘弘 王洪国 邵增珍
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 降维对称微粒群算法 种群分布熵 启发式探测 克隆变异
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 219-222
• 分类号: TP18
• 字数: 5180字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.05.055

摘要

提出对称微粒群算法SyrmPSO_HD,用以提高PSO算法的搜索能力.引入种群分布熵以保证种群的分布性;引入具有探测特征的启发式粒子,用以影响普通粒子的位置;提出邻域内的克隆变异选择策略及全局范围内的降维对称粒子策略,用以增强粒子的局部及全局学习能力.仿真实验及分析结果表明,SymPSO_HD算法搜索能力稳定,适应性强,能以较大概率收敛到全局最优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘弘	山东师范大学信息科学与工程学院	225	2144	21.0	35.0
2	王洪国	山东师范大学信息科学与工程学院	44	455	13.0	19.0
3	邵增珍	山东师范大学信息科学与工程学院	60	455	12.0	18.0