基于反向学习和高斯扰动的粒子群优化算法

• 作者: 张洁 朱德刚 洪建
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 粒子群优化算法 反向学习 高斯扰动
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法与分析
• 页码范围: 2993-2998
• 页数: 6页
• 分类号: TP301.6|TP18
• 字数: 2828字
• 语种: 中文
• DOI: 10. 3969/j. issn. 1672-9722. 2019. 12. 011

摘要

针对标准粒子群优化算法(Particle Swarm Optimization,PSO)收敛速度慢,易陷入局部最优的问题,提出一种基于反向学习和高斯扰动的粒子群优化算法.算法在粒子"自我学习"基础上,随机选择种群中任意粒子的反向位置,对当前粒子进行反向学习,增加种群多样性.算法在进化过程中,还对全局最优位置进行高斯扰动,防止算法陷入局部最优.实验表明,相比较传统知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等.论文算法在30维和100维测试函数上,无论是收敛精度,还是收敛速度,均具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	洪建		22	83	5.0	8.0
2	张洁		21	59	5.0	7.0
3	朱德刚		6	24	4.0	4.0