登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于分组的PSO与DE的混合算法
  • 摘要

    针对传统的粒子群优化算法(PSO)和差分进化算法(DE)在解决高维复杂函数易陷于局部最优、收敛较慢、精度低等缺点,提出了基于分组的PSO与DE混合算法(PSODE).PSODE算法把种群按维数分为两组,每组的维数为原来的一半,而种群规模不变,一组由改进的PSO操作进化,另一组由DE操作进化,然后通过信息交换机制实现协同进化.与传统的PSO算法不同,新算法按一定的概率交替使用非线性改变的惯性权重和随机取值的惯性权重,平衡了算法的全局和局部搜索能力;同时采用边界变异策略有效克服了某些粒子因陷入早熟收敛而造成搜索失败的问题,并且增加了种群多样性.通过几个标准测试函数的实验结果表明,PSODE算法的优化能力、收敛精度显著提高,同时增强了全局收敛性能,能有效地避免算法的早熟收敛问题.

  • 作者

    余玉丰  李国  徐晨  YU Yu-feng  LI Guo  XU Chen 

  • 作者单位

    深圳大学数学与计算科学学院,广东深圳,518060

  • 刊期

    2014年8期 ISTIC PKU

  • 关键词

    惯性权重  粒子群优化算法  早熟收敛  差分进化  边界变异  inertia weight  particle swarm optimization (PSO)  premature convergence  differential evolution (DE)  boundary mutation 

参考文献
查看更多︾
相似文献 查看更多>>
18.208.159.25