粒子群算法是求解函数优化问题的一种新的进化算法,然而它在求解高维函数时容易陷入局部最优; 为了克服这个缺点,提出了一种新的粒子群算法,算法对粒子的速度和位置更新公式进行了改进,使粒子在其最优位置的基础
分析了量子行为粒子群优化算法,着重研究了算法中的收缩扩张参数及其控制方法,针对不同的参数控制策略对算法性能的影响特点,提出将Q学习方法用于算法的参数控制策略,在算法搜索过程中能够自适应调整选择参数,提
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
利用混沌搜索和变异机制克服种群易停滞且易陷入局部最优点的不足。当种群出现停滞时先用混沌搜索更优点,当搜索到的点不满足变异精度要求时再进行变异。发现混沌搜索能使种群在出现停滞时持续寻优,而变异机制则能够
一种基于粒子群优化的自适应均衡算法.pdf
分析了粒子群算法的惯性部分、个体认知部分和群体认知部分的作用,对粒子群算法迭代方程的各部分进行变形,获得了三种新形式的粒子群算法。用算例说明所得到的三个新的粒子群算法具有较好的优化能力。
针对约束优化问题的求解,提出一种改进的粒子群算法(CMPSO)。在CMPSO算法中,为了增加种群多样性,提升种群跳出局部最优解的能力,引入种群多样性阈值,当种群多样性低于给定阈值时,对全局最优粒子位置
