大数据环境中简化粒子群算法的改进研究

• 作者: 张晋瑞 程琦甫 靳雁霞 齐欣
• 来源期刊: 微电子学与计算机
• 关键词: 大数据 简化粒子群 狮群算法 分组 学习因子 学习维度向量 种群育种
• 年，卷（期）: 2020,（2）
• 页码范围: 25-29
• 页数: 5页
• 分类号: TP18|TP391.41
• 语种: 中文

摘要

针对大数据存在的高维、强约束和多目标等复杂优化问题,本文提出一种改进的群智能优化算法——狮群简化粒子群算法(LSA-SPSO).该算法将狮群算法的分组思想融入简化粒子群优化算法中,将粒子分为三组寻优,每组使用不同的学习因子和学习维度向量,以此帮助种群执行不同的搜索机制,从而增强了种群的多样性.此外,引入种群育种,有利于粒子跳出局部最优位置,提高了算法的全局搜索性能.仿真实验表明,本文提出的改进算法有效改善了传统群智能算法中存在的不足,可以更好的应用到大数据中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	靳雁霞	中北大学大数据学院	46	160	7.0	10.0
2	齐欣	中北大学大数据学院	3	1	1.0	1.0
3	张晋瑞	中北大学大数据学院	5	1	1.0	1.0
4	程琦甫	中北大学大数据学院	5	1	1.0	1.0