针对粒子群优化算法中群体易出现过早收敛的不足,提出了粒子群优化算法的改进算法AMPSO(adaptivemutationparticleswarmoptimization)算法并应用于测试数据生成中。
为了改善多目标粒子群算法收敛性能及跳出局部最优的能力,通过研究算法运行过程中归档集规模的变化,总结归档集规模的变化规律,并依此规律提出一种近似确定算法运行状态的简单方法。基于算法运行状态的近似确定,可
针对传统粒子群算法易早熟、精度低、后期收敛速度慢等问题, 结合反向学习理论, 提出了一种基于交叉因子的双向寻优粒子群优化算法CBMPSO。该算法使初始种群在搜索区域均匀分布, 计算粒子及其反向粒子的适
文化粒子群优化算法,艾景波,滕弘飞,为了提高粒子群优化(PSO)算法的计算精度和计算效率,避免“早熟”,本文给出文化粒子群优化算法。该算法模型将PSO纳入文化算法框
针对粒子群优化算法在处理高维复杂函数时存在收敛速度慢、易陷入早熟收敛等缺点,提出了混合粒子群优化算法。它借鉴群体位置方差的早熟判断机制,把基因换位和变异算子引入到算法中,构造出新的个体和个体基因的适应
结合小生境思想及灾变原理,提出了一种动态调整种群结构的粒子群算法(AGPSO)。该算法在获取局部最优区域后只留下部分粒子寻找局部最优点,同时将其他粒子进行灾变处理,然后约束在剩余区域进行新最优区域搜索
基于社会系统中普遍存在“分久必合,合久必分”的现象,提出了基于分合思想的粒子群优化算法。分策略提高了演化群体的多样性,克服了粒子群优化算法局部收敛的缺陷。合策略吸取了不同群体的优良特性,提高了算法的全
Sun等人从量子力学的角度提出了具有量子行为的粒子群优化算法,它在搜索能力上优于传统的PSO算法,自适应参数的数目也比之较少。集中讨论了应用QPSO如何选择自适应参数的问题。介绍了QPSO算法,给出了
基于改进量子粒子群算法的配电网络优化重构
研究了一种全新的基于自适应混沌变异粒子群的路径规划算法。该方法首先进行环境建模,利用改进的粒子群算法获得一条较优路径。在改进的粒子算法中为防止早收敛,加入自适应混沌变异操作,在加强算法局部搜索能力的同
