基于多子群的社会群体优化算法

• 作者: 刘亚军 李峥 王苏霞 邹锋 陈得宝
• 来源期刊: 计算机应用研究
• 关键词: 社会群体优化算法 多子群 量子学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1354-1359
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.12.0805

摘要

社会群体优化(social group optimization,SGO)算法是一种基于社会群体学习而提出的一种新型优化算法.针对社会群体优化算法易于陷入局部最优问题,提出了一种多子群社会群体学习算法(MPSGO).本算法采用多子群学习方法,对算法两个阶段的个体学习方法进行改进,在维持群体收敛性能的前提下提高群体多样性,同时对部分个体中引入量子学习,使个体学习的有用信息得以增强;此外,每隔一定代数对子群进行随机重组,既能保证各子群个体充分进化,又维持了子群多样性.在设计算法的基础上,分析了其收敛性和多样性;通过与其他四种算法进行对比实验,验证了改进后算法性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李峥	淮北师范大学物理与电子信息学院	60	113	5.0	7.0
2	陈得宝	淮北师范大学物理与电子信息学院	94	286	8.0	13.0
3	邹锋	淮北师范大学物理与电子信息学院	20	24	3.0	4.0
4	刘亚军	淮北师范大学物理与电子信息学院	3	2	1.0	1.0
5	王苏霞	淮北师范大学物理与电子信息学院	6	2	1.0	1.0