基于分层学习的改进PSO算法求解复杂优化问题

• 作者: 白晓慧 何小娟 孙超利 张国晨
• 来源期刊: 太原科技大学学报
• 关键词: 大规模优化问题 粒子群算法 分层学习策略 贡献值策略
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机科学与信息工程|Computer Science and Information Engineering
• 页码范围: 169-174
• 页数: 6页
• 分类号: O221
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2057.2021.03.001

摘要

针对社会学习粒子群算法存在的收敛速度慢及进化后期种群多样性缺失等问题,提出了一种基于分层学习的改进粒子群算法.首先,引入分层学习策略,并将其加入社会学习粒子群算法中,实现对种群中不同状态粒子的差别对待,从而增强算法中粒子的探索与开发能力;其次,对个体设定贡献值度量,在贡献值的基础通过减少种群数量,减少计算资源的浪费.最后,使用CEC2010测试函数集对所提算法进行测试,并与5种典型算法进行对比,验证了所提算法的有效性.