基于动态分级和邻域反向学习的改进粒子群算法

• 作者: 任燕芝
• 来源期刊: 浙江大学学报（理学版）
• 学科: 工学
• 关键词: 粒子群算法 动态分级机制 邻域反向学习 全局搜索策略
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 现代优化理论与算法专栏
• 页码范围: 261-271
• 页数: 11页
• 分类号: TP18|TP301.6|O224
• 字数: 6316字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2018.03.001

摘要

针对粒子群算法容易陷入局部最优解的问题,提出了一种基于动态分级和邻域反向学习的改进粒子群算法.该算法通过构建动态分级机制,将种群中的粒子动态地划分成3个等级,对不同等级内的粒子采取不同的扰动行为,使得粒子在增强种群多样性的同时保持向全局最优方向进化;采用粒子智能更新方式,提高了粒子的搜索能力;引入动态邻域反向学习点建立全局搜索策略,促使种群快速寻优.最后,利用多种典型测试函数对该算法进行仿真实验,结果表明,与其他几种优化算法相比,本算法具有较好的收敛性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任燕芝	西安电子科技大学数学与统计学院	1	2	1.0	1.0