一种求解过程动态优化问题的生物地理学习粒子群算法

• 作者: 丁煜函 刘国海 徐斌 梅从立 陈旭
• 来源期刊: 化工学报
• 关键词: 全局优化 动态学 算法 控制向量参数化 生物地理学习粒子群算法
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 过程系统工程
• 页码范围: 3161-3167
• 页数: 7页
• 分类号: TQ021.8
• 语种: 中文
• DOI: 10.11949/j.issn.0438-1157.20161786

摘要

智能优化算法具有适用性广泛、全局搜索能力强等优点,近年来在动态优化中的应用逐渐增多.通过混合生物地理优化与粒子群优化,提出了生物地理学习粒子群(biogeography-based learning particle swarm optimization,BLPSO)算法,并用于动态优化问题的求解.BLPSO采用了新型的生物地理学习方式,该方式根据粒子"排名",即粒子的优劣,以维度为单位构造学习粒子,提高了学习的效率.针对动态优化问题,首先通过控制向量参数化将其转化为非线性规划问题,然后采用BLPSO算法进行求解.最后,将BLPSO应用于非可微、多峰、多变量等典型动态优化问题的求解,计算结果表明BLPSO具有较好的搜索精度和收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘国海	江苏大学电气信息工程学院	263	3146	27.0	43.0
2	梅从立	江苏大学电气信息工程学院	50	435	12.0	18.0
3	丁煜函	江苏大学电气信息工程学院	19	87	5.0	9.0
4	陈旭	江苏大学电气信息工程学院	20	150	5.0	12.0
6	徐斌	上海工程技术大学机械工程学院	6	8	1.0	2.0