基于PSO算法的SOR最优松弛因子选取研究

• 作者: 薛丹 姚若侠
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 粒子群优化算法 简化粒子群优化算法 带极值扰动粒子群优化算法 SOR迭代法 最优松弛因子
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 15-20
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.12.003

摘要

目前选取逐次超松弛迭代法(SOR)最优松弛因子的基本思路是:在区间(0,2)上,根据确定的分割策略,选取分割点的值作为松弛因子来计算相应的SOR迭代次数,将小于预设的SOR迭代次数阈值的松弛因子作为最优解返回,例如二分比较法、黄金分割法、逐步搜索法等,其缺陷在于不易找到全局最优松弛因子且对参数依赖较大.为克服传统策略解决该问题的不足,受粒子群优化算法及其在不同场景成功应用的启发,提出利用基本粒子群优化算法(bPSO)、简化粒子群优化算法(sPSO)、带极值扰动粒子群优化算法(tPSO)和带极值扰动的简化粒子群优化算法(tsPSO)来搜索SOR迭代法最优松弛因子.通过对两个不同的线性方程组的实证测试,验证了四种算法在选取SOR最优松弛因子问题上的有效性.