原文服务方: 计算机应用研究       
摘要:
为了解决标准粒子群优化算法(particle swarm optimization,PSO)收敛速度慢和容易陷入局部极小值的问题,提出了一种改进的方法.算法针对PSO算法在搜索过程中常处于一个相对稳定的阶段,这时获取全局最优点的粒子速度趋于0或者在最优位置来回大幅振荡,而种群中的其他粒子正处在向全局最优位置收敛的过程中,动态调整粒子位置和速度可以提高粒子的收敛速度.如果稳定阶段过长而粒子过于集中,显示粒子可能陷入了局部极小值,引入外力干涉可以提高粒子的全局搜索能力.该方法实现简单,可以与其他改进PSO算法结合以进一步提高搜索的性能.仿真实验证明了改进算法可以提高算法的收敛速度和搜索效果.
推荐文章
一种改进的粒子群优化算法
粒子群算法
收敛速度
搜索能力
一种基于双子群的改进粒子群优化算法
收敛性
粒子群优化算法
子群
杂交机制
遗传算法
一种改进的粒子群算法
粒子群算法
极值
惯性权重
一种基于子群变异的粒子群优化算法
早熟收敛
粒子群优化算法
随机定向振荡式搜索
子群
变异
多模态函数优化
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 一种改进的粒子群优化算法
来源期刊 计算机应用研究 学科
关键词 粒子集 优化算法 轨迹信息 惯性权重
年,卷(期) 2014,(8) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2303-2306
页数 4页 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2014.08.014
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 夏平平 江苏海事职业技术学院信息工程系 30 73 5.0 7.0
2 吕太之 南京理工大学计算机科学与技术学院 21 106 7.0 9.0
6 周武 浙江师范大学工学院 11 101 5.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (156)
参考文献  (9)
节点文献
引证文献  (4)
同被引文献  (14)
二级引证文献  (5)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(6)
  • 参考文献(3)
  • 二级参考文献(3)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(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
粒子集
优化算法
轨迹信息
惯性权重
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导