|
|
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
( u! v/ z, i7 m3 E ~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$ | {. X% g! r: I
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.4 }, a, [7 g* l1 k% q G% C
, x/ O+ n' m( ~% P# I
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5 O9 Q5 u" ]) ]) D: z
% s% t2 g/ h) A& v( b 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.4 E' m3 w5 _8 C: L5 O* O3 t
: B# @. z% g- {9 n8 h; I7 z3 T& z! n; U
& ?) h7 j4 Q' m' ^ ?2 y$ v7 z ^ ~4 v0 B) T
9 k- h/ ?' G* L: C( t6 B$ K! U% y
|
|
/1 
发表于 2021-4-6 09:49
收藏
淘帖
支持！
反对！