融合榜样学习和反向学习的粒子群优化算法

• 作者: 康强 张新明 涂强 王霞
• 来源期刊: 河南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 智能优化算法 粒子群优化算法 榜样学习 反向学习
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 91-99
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16366/j.cnki.1000-2367.2017.06.015

摘要

为了提高粒子群优化算法(Particle swarm optimization,PSO)的优化效率,降低其陷入局部最优的概率,提出了一种融合榜样学习和反向学习的PSO算法(PSO based on combing Example learning and Opposition learning,EOPSO).首先,对粒子群中的非最优粒子采用新颖的榜样学习机制更新,以便提高全局搜索能力,避免算法陷入局部最优;其次,对粒子群中最优粒子采用反向学习混合机制更新,提升该粒子的搜索能力,进一步避免算法陷入局部最优;最后,对粒子群中的最优粒子还采用了自身变异机制更新,有利于搜索前期的全局搜索和后期的快速收敛.在15个不同维度的基准函数上进行了仿真实验,实验结果表明,与最先进的PSO改进算法ELPSO、SRPSO、LFPSO、HCLPSO相比,EOPSO优化性能更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新明		68	922	13.0	28.0
2	王霞		33	110	6.0	9.0
3	涂强		13	105	7.0	10.0
4	康强		15	90	6.0	8.0