基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的分数阶粒子群优化(FPSO)算法依赖于分数阶次a且易于陷入局部最优的局限,提出一种利用动态压缩因子的分数阶粒子群优化(DFFV-PSO)方法.该方法结合压缩因子的特性来调节算法的收敛速度,以获得更优的收敛性能.采用多个基准函数实验测试算法有效性,并与传统FPSO等其他算法进行的寻优性能比较表明:所提出的DFFV-PSO算法具有更好的收敛速度、收敛精度和较好的鲁棒性.
推荐文章
自适应粒子群优化分数阶PID控制器的参数整定
分数阶PID
粒子群优化
自适应
参数整定
一种新型的动态粒子群优化算法
粒子群优化算法
多种群
种群分裂
种群混合
一种量子行为粒子群优化动态聚类算法
粒子群优化
量子行为
完全学习策略
动态聚类
一种引入密度因子的改进粒子群优化算法
粒子群优化
密度因子
线性递减惯性权重
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种动态压缩因子的分数阶粒子群优化
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
关键词 压缩因子 分数阶 粒子群优化 局部最优 鲁棒性
年,卷(期) 2019,(7) 所属期刊栏目 “第三届亚洲人工智能技术大会”专栏
研究方向 页码范围 94-101
页数 8页 分类号 TP18|TP301.6
字数 4527字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2019.07.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 苏守宝 江苏科技大学计算机学院 21 49 4.0 5.0
3 翟兆睿 江苏科技大学计算机学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (97)
共引文献  (38)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(12)
  • 参考文献(1)
  • 二级参考文献(11)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(18)
  • 参考文献(0)
  • 二级参考文献(18)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2014(11)
  • 参考文献(2)
  • 二级参考文献(9)
2015(10)
  • 参考文献(0)
  • 二级参考文献(10)
2016(9)
  • 参考文献(2)
  • 二级参考文献(7)
2017(7)
  • 参考文献(4)
  • 二级参考文献(3)
2018(7)
  • 参考文献(7)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
压缩因子
分数阶
粒子群优化
局部最优
鲁棒性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导