筛选和记忆相结合的粒子群算法

• 作者: 杨丽华 杨华芬 杨有 董德春
• 来源期刊: 计算机应用研究
• 关键词: 粒子群 熵 优化 多样性 最差粒子
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1039-1043
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.04.016

摘要

针对粒子群算法优化高维复杂问题出现局部最优的缺陷，提出初始粒子筛选和最差粒子记忆相结合的粒子群算法。利用熵度量粒子分量分布的均匀性，只有各分量满足均匀性要求时，该粒子才被筛选为初始粒子，以控制粒子在解空间的分布。在速度更新过程中引入最差粒子，避免粒子重复搜索曾经找到的最差位置，以提高算法的搜索效率。根据粒子寻优的成功率动态调整权重，以有效平衡深度和广度搜索能力。用该算法优化六个经典测试函数，与三种改进的PSO算法相比，该算法不仅可以平衡局部和全局的搜索能力，还可以提高算法的搜索效率和精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨有	重庆师范大学计算机与信息科学学院	80	395	11.0	15.0
2	杨华芬	曲靖师范学院计算机科学与工程学院	27	133	6.0	10.0
3	董德春	曲靖师范学院计算机科学与工程学院	12	36	3.0	5.0
4	杨丽华	曲靖师范学院数学与信息科学学院	20	43	4.0	6.0