一种精英反向学习的粒子群优化算法

• 作者: 吴志健 周新宇 张浩宇 李康顺 王晖
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 全局优化 粒子群优化 精英反向学习 差分演化变异 群体选择
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 科研通信
• 页码范围: 1647-1652
• 页数: 6页
• 分类号: TP18
• 字数: 4706字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2013.08.031

摘要

为解决传统粒子群优化算法易出现早熟的不足，提出了精英反向学习策略，引入精英粒子，采用反向学习生成其反向解，扩大搜索区域的范围，可增强算法的全局勘探能力。同时，为避免最优粒子陷入局部最优而导致整个群体出现搜索停滞，提出了差分演化变异策略，采用差分演化算法搜索最优粒子的邻域空间，可增强算法的局部开采能力。在14个测试函数上将本文算法与多种知名的PSO算法进行对比，实验结果表明本文算法在解的精度与收敛速度上更优。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴志健	武汉大学软件工程国家重点实验室	47	513	13.0	21.0
5	李康顺	华南农业大学信息学院	37	439	9.0	20.0
6	王晖	武汉大学软件工程国家重点实验室	20	526	9.0	20.0
10	周新宇	武汉大学软件工程国家重点实验室	6	142	4.0	6.0
14	张浩宇	武汉大学软件工程国家重点实验室	1	87	1.0	1.0