粒子群算法对高维问题的优化研究

• 作者: 李俊吉 郝武伟
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 粒子群优化算法 机器学习 收敛速度 组合问题 局部优化 全局优化
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 决策与控制一体化系统
• 页码范围: 870-877
• 页数: 8页
• 分类号: TP391
• 字数: 4526字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.161709

摘要

基于Q-learning机器学习技术的粒子群优化算法(PSO)可以提高PSO对高维问题的优化效果.首先,缩小粒子群的种群大小,通过Q-learning机器学习技术管理PSO粒子的行为;然后,Q-learning机器学习技术根据粒子的性能自适应地切换粒子的操作,性能好的操作受到奖赏,性能差的操作受到惩罚;最终,通过Q-learning学习技术的全局寻优能力来弥补PSO局部优化能力的不足.通过多组仿真实验的结果表明,该算法提高了PSO算法对高维问题的优化性能与收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊吉	太原科技大学人事教育处	26	59	5.0	7.0
2	郝武伟	山西交通职业技术学院经济管理系	10	21	3.0	4.0