采用种群平均信息和精英变异的改进粒子群算法

• 作者: 刘朝华 林国汉 章兢
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 粒子群优化 平均搜索 柯西变异 时变加速因子 全局搜索
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 3241-3244,3249
• 页数: 5页
• 分类号: TP301.6
• 字数: 3749字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.11.3241

摘要

针对基本粒子群优化(PSO)算法早熟收敛和后期搜索效率低的问题,提出一种利用种群平均信息和精英变异的粒子群优化算法——MEPSO算法.该算法引入粒子个体与群体的平均信息,利用粒子平均信息来提高算法全局搜索能力,并采用时变加速系数(TVAC)以平衡算法的局部搜索和全局搜索能力;在算法后期,采用精英学习策略对精英粒子进行柯西变异操作,以进一步提高算法的全局搜索能力,减少算法陷入局部最优的危险.在6个典型的复杂函数上与基本PSO (BPSO)算法、时变加速因子PSO(PSO-TVAC)算法、时变惯性权重PSO (PSO-TVIW)算法和小波变异PSO (HPSOWM)算法进行对比,MEPSO的均值与标准方差均优于对比算法,且寻优时间最短,可靠性更好.结果表明,MEPSO能较好地兼顾局部搜索和全局搜索能力,收敛速度快,收敛精度和搜索效率高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	章兢	湖南大学电气与信息工程学院	250	2846	28.0	42.0
2	林国汉	湖南大学电气与信息工程学院	30	147	6.0	10.0
4	刘朝华	湖南科技大学信息与电气工程学院	22	158	6.0	12.0