|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
q" r* E0 t+ W" \摘要:在继承综合学习粒子群算法(Comprehensive Learning Particle SwARM Optimizer,CLPSO)全局探索优势的基础上,引人具有高效收敛性能旳传统同部搜系( oOntitination algoritm with Adaplive starting stralegy of local fearch搜索策略的混合粒子群算法(Hybrid Particle Swarm Optimization algorithm with Adaptive starting strategy of Local Search
8 ~ H3 X5 c4 V. E0 Sbased on Quasi-Entropy,AISQE-HPSO).采用拟嫡指标解决何时启动OLS这一关键问题.对8个标准函数的10维和20维问题的测试结果,表明了ALSQE-HPSO算法的性能优势.本文提出的算法也与包含两种基于CLPSO的改进算法和一种带OLS的粒子群算法在内的其他6种改进粒子群算法进行了对比，实验结果表明AISQE-HPSO'算法的性能优于对比算法.# O- X1 E$ m% V: r) S' _
! f& h, n* e( Z2 x# ~
关键词:进化算法;粒子群优化;自适应策略;局部搜索;种群多样性
. y/ S- ?- X) m8 c h+ R3 {+ x3 f. U% B
W H' X. }6 c0 v0 @: Q$ t% V 粒子群优化(Particle Swarm Optimization, PSO)算法是—种基于种群的智能进化算法.PSO算法因操作简单和全局寻优能力强等优点,在解决复杂优化问题上取得了良好的效果,但是也存在易陷人局部极小和迭代后期收敛速度慢等缺点.8 c! c* C* I* _% {5 Y. {5 u
- e% L0 u6 H, e7 ]
( K7 ?7 [% E2 @ r# H4 D E7 n$ _! s+ T1 t
0 N7 _8 \: R& T" L% z3 b |
|
/1 
发表于 2021-4-6 09:49
收藏
淘帖
支持！
反对！