一种改进的基于梯度搜索的粒子群优化算法

• 作者: 刘清 杨春生 韩飞
• 来源期刊: 南京大学学报（自然科学版）
• 关键词: 粒子群优化算法 负梯度 种群多样性
• 年，卷（期）: 2013,（2）
• 页码范围: 196-201
• 语种: 中文

摘要

针对粒子群优化算法在优化过程因失去种群多样性而陷入局部极小点问题,提出一种改进的基于梯度搜索的粒子群优化算法,从两个方面来提高粒子群的搜索性能.一方面,在粒子相互吸引过程中,粒子沿着负梯度的方向进行搜索.在搜索过程中,不断减小粒子的飞行速度,从而增大收敛到全局最优点的可能性.另一方面,在粒子的排斥过程中,粒子散开的速度根据种群多样性做自适应调整.该算法在搜索过程中有效保持种群多样性从而保证其全局搜索性能,同时因粒子沿梯度下降的方向进行搜索,具有很强的局部搜索能力.实验结果表明这种算法比标准粒子群优化算法及相关改进有更好的收敛性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩飞	江苏大学计算机科学与通信工程学院	24	134	6.0	10.0
2	刘清	江苏大学计算机科学与通信工程学院	6	39	3.0	6.0
3	杨春生	江苏大学计算机科学与通信工程学院	4	44	3.0	4.0