基于Boltzmann学习策略的粒子群算法

• 作者: 艾解清 高济
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 粒子群算法 Boltzmann学习策略 模拟退火 全局寻优 多极值问题
• 年，卷（期）: 2012,（3）
• 页码范围: 402-407
• 分类号: TP301.6
• 字数: 4922字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9830.2012.03.006

摘要

针对粒子群算法过早收敛导致容易陷入局部极值的问题,提出了一种基于Boltzmann学习策略的粒子群算法(BLSPSO).借鉴模拟退火算法的思想,在标准粒子群算法中引入Boltzmann学习策略.在BLSPSO前期粒子能够学习不同的极值点,适当保持粒子个体多样性,提高算法全局寻优能力.在BLSPSO后期粒子更倾向于学习全局最优粒子,提高收敛速度,保证算法的稳定性.仿真结果表明,所提出的算法具有寻优能力强、搜索精度高等优点,可有效避免标准PSO算法的早熟收敛.该算法在求解多极值问题上与其他PSO算法相比有较好表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高济	浙江大学人工智能所	113	1578	22.0	34.0
2	艾解清	广东电网公司信息中心	9	41	4.0	6.0