一种邻域重心反向学习的粒子群优化算法

• 作者: 丁立新 周凌云 强小利 彭虎
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 反向学习 邻域重心 多样性 粒子群优化
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 科研通信
• 页码范围: 2815-2824
• 页数: 10页
• 分类号: TP18
• 字数: 6270字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.11.032

摘要

粒子群优化算法使用反向学习技术可以提高性能.然而,现有的反向学习粒子群优化算法仅采用粒子最大最小边界计算反向解,没有充分利用群体搜索经验.针对此问题,提出了一种邻域重心反向学习策略,使用邻域重心作为参考点计算反向解,充分吸收群体搜索经验的同时保持种群多样性;采用收缩因子拓展反向解搜索范围,增加找到更高质量解的机率.在典型的基准测试函数、CEC'13测试函数和一个实际工程优化问题上进行验证,实验结果说明了邻域重心反向学习策略的有效性和本文算法的竞争力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭虎	九江学院信息科学与技术学院	18	62	5.0	7.0
2	丁立新	武汉大学软件工程国家重点实验室武汉大学计算机学院	62	641	13.0	22.0
3	强小利	中南民族大学计算机科学学院	5	37	3.0	5.0
4	周凌云	武汉大学软件工程国家重点实验室武汉大学计算机学院	5	38	4.0	5.0