基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对入侵杂草优化算法(IWO)进化后期种群多样性、优势个体易陷入局部极值的问题,提出一种基于 K-均值聚类的多子群入侵杂草优化算法(K-MSIWO)。该算法利用 K-均值聚类算法将杂草种群分为3个子群,通过种内和种间竞争策略建立个体之间、子群之间的协同进化关系,提高杂草种群的多样性。当算法的收敛速度下降时,对种群中早熟的个体采用随机扰动的变异策略,帮助其跳出局部极值。基准函数测试结果表明,将该算法用于二阶和高阶系统的 PID 控制器参数整定,与遗传算法的整定结果相比,系统超调量分别下降33.2%和50%,具有较好的寻优精度和一致性。
推荐文章
基于聚类的多子群粒子群优化算法
粒子群优化算法
聚类
子群
基于多子群的社会群体优化算法
社会群体优化算法
多子群
量子学习
动态多子群QPSO算法及其在机车粘着优化控制中的应用
智能计算
动态多子群QPSO算法
神经网络
粘着优化控制
多智能体入侵杂草算法
多智能体系统
入侵杂草
竞争合作算子
自学习算子
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多子群入侵杂草优化算法研究及应用
来源期刊 计算机工程 学科 工学
关键词 入侵杂草优化 K-均值聚类 多子群 竞争 变异 PID 控制器
年,卷(期) 2014,(2) 所属期刊栏目 安全技术
研究方向 页码范围 184-187
页数 4页 分类号 TP18
字数 3915字 语种 中文
DOI 10.3969/j.issn.1000-3428.2014.02.040
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 苏守宝 皖西学院信息工程学院 49 398 12.0 17.0
3 左旭坤 皖西学院信息工程学院 12 36 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (48)
参考文献  (6)
节点文献
引证文献  (9)
同被引文献  (43)
二级引证文献  (23)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(10)
  • 引证文献(4)
  • 二级引证文献(6)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
入侵杂草优化
K-均值聚类
多子群
竞争
变异
PID 控制器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
论文1v1指导