多策略自适应粒子群优化算法

• 作者: 丰建文 李芳 杨静宇 汤可宗
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 粒子群优化 多样性测试 实时交替策略 精英学习策略 种群多样性
• 年，卷（期）: 2017,（3）
• 页码范围: 301-306,349
• 页数: 7页
• 分类号: TP391.41
• 字数: 5080字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2017.41.03.005

摘要

为了提高粒子群优化算法搜索最优解的效率,该文提出多策略自适应粒子群优化(MAPSO)算法.通过构建多样性测试方式评价种群的分布性.粒子的进化状态分别为勘探或开发状态,通过执行实时交替策略,确定粒子的进化状态.在迭代优化时,根据粒子的多样性动态地控制惯性系数.基于所构建的多样性测试方式,通过融入精英学习策略进一步改善种群多样性,以阻止种群陷入局部解.实验结果表明,与自适应性粒子群优化(APSO)、综合性学习粒子群优化(CPSO)、振荡粒子群优化(PPSO)算法相比,MAPSO算法能够持续地改善PSO跳出局部最优解的能力,其可靠性和成功率均优于其它算法,并能有效改善搜索性能和收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨静宇	南京理工大学高维信息智能感知与系统教育部重点实验室	623	11098	50.0	74.0
2	李芳	景德镇陶瓷大学信息工程学院	7	20	3.0	4.0
3	丰建文	景德镇陶瓷大学信息工程学院	11	36	4.0	5.0
4	汤可宗	景德镇陶瓷大学信息工程学院	18	142	5.0	11.0