南京大学学报(自然科学版) ›› 2011, Vol. 47 ›› Issue (4): 364371.
刘杨1,田学锋2,詹志辉1**
LiuYang1 Tian Xue Fenh 2,Zhan Zhi一Hui1
摘要: 粒子群优化算法(PSO)是一类随机全局优化技术,算法简单、容易实现而功能强大,目前己成为国际进化计算界研究的热点.粒子群算法的性能受到参数惯量权重。的影响,大量研究表明,较小的
。具有较好的局部搜索能力,可提高求解精度;较大的。具有较好的全局搜索能力,在一定程度上可以避免陷入局部最优.很多研究者提出了多种动态调整惯量权重的方法.木文系统地介绍和分析比较了目
前动态调整惯量权重的通种典型方法,即线性递减惯量权重、随机惯量权重、凹函数递减惯量权重和凸函数递减惯量权重.为了调查这些控制方法对PSO性能的影响,木文在10个不同的单峰和多峰函数上
系统地对这通种方法进行了测试和比较,完整的实验结果比较分析对选择合适的参数控制方法以求解单峰函数和多峰函数具有一定的指导作用.
[1]Kennedy J,Eberhart R C. Particle swarm opti mization.Proceedings of IEEE international Conference on Neural Networks,1995,4: 1942一1948. [2]Eberhart R C,Kennedy J. A new optimizer u- sing particle swarm theory. Proceedings of 6thinternational Symposium on Micro Machine and Human Science, 1995,39一43. [3]Ghan Z H,Zhang J,Li Y,et al. Adaptive parti- cle swarm optimization, IEEE Transactions on Systems,Man, and Cybernetics-Part B; Cyber- netics,2009,39(6):1362一1381. [4]Zhan Z H,Zhang J, Li Y,et al. Orthogonal learning particle swarm optimization, IEEE Transactions on Evolutionary Computation 2011,m press. [5]Shi Y,Eberhart R C. A modified particle swarm optimization. Proceedings of the IEEE Congress on Evolutionary Computation, 1998,303一308. [6]Huang X, Ghang J,Zhan Z H. Faster particle swarm optimization with random inertia weight. Computer Engineering and Design,2009,30(3): 647-650, 663.(黄轩,张军,詹志辉.基于随泪L惯量权重的快速粒子群优化算法.计算机工程与设计,2009,30(3):647-650,663). [7]Chen U M,Jia J Y,Han Q. Study on the strate gy of decreasing inertia weight in particle swarm optimization algorithm. Journal of Xi’an Jiao- tong University, 2006 , 40 ( 1):53一56.(陈贵敏, 贾建援,韩琪.粒子群优化算法的惯性权值递减策略研究.西安交通大学学报,2006,40 (1):53一56). |
No related articles found! |
|