|
|
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
( o$ E/ }2 u5 t7 _6 Q
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 Search8 }+ k* \; T' N
based 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.! k6 t% ?: T9 Z5 A1 Q
9 x$ K" O9 K: }$ n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$ Q7 p# m) t9 E c4 X
9 i; E+ X( P& w1 c6 T7 P
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.
- |/ V; r. B |: \* N6 k& o8 u" W9 O3 _9 u& B' Q
7 W9 N- j" O: Z! ?9 ? x
2 q: T$ Q4 \' f1 F+ [2 k
/ O0 \- X7 m- N: E- k |
|
/1 
发表于 2021-4-6 09:49
收藏
淘帖
支持！
反对！