基于分群策略的混沌粒子群优化算法

发布时间：2021-02-08 19:44

　　将整个种群分为PSO机制迭代分群和混沌机制迭代分群,依据早熟判定策略,对种群实行两阶段寻优。第一阶段PSO分群和混沌分群同时各自迭代,比较适应值大小择优共同更新全局极值,避免粒子陷入局部最优;第二阶段PSO分群和混沌分群进行交叉迭代,排序适应值,选取PSO分群较优粒子替代混沌分群较差粒子,迭代搜索后取混沌分群较优粒子替代PSO分群较差粒子,按适应值大小共同更新全局极值,完成对PSO分群局部搅动,帮助惰性粒子跳出局部最优区。该方法考虑了算法的迭代速度,保证了迭代精度。 

【文章来源】：计算机工程与设计. 2019,40(02)北大核心

【文章页数】：6 页

【参考文献】：
期刊论文
[1]自适应混沌搜索的双粒子群优化算法[J]. 唐娜,张公让,李磊.  计算机工程与设计. 2016(09)
[2]基于混沌搜索与种群交叉的粒子群优化算法[J]. 杨胜培,李仲阳,陈中样.  计算机仿真. 2016(06)
[3]基于自适应分群粒子群进化的节点定位算法[J]. 刘政.  微电子学与计算机. 2015(09)
[4]自适应变异粒子群算法[J]. 周利军,彭卫,邹芳,刘宇荧,李莉.  计算机工程与应用. 2016(07)
[5]基于自适应变异的混沌粒子群优化算法[J]. 李建美,高兴宝.  计算机工程与应用. 2016(10)
[6]基于自适应混沌粒子群算法的光伏电池模型参数辨识[J]. 程泽,董梦男,杨添剀,韩丽洁.  电工技术学报. 2014(09)
[7]一种权重递增的粒子群算法[J]. 刘建华,张永晖,周理,贺文武.  计算机科学. 2014(03)
[8]基于黄金分割准则的混沌云粒子群算法[J]. 祁莹,苏宏升.  计算机工程与应用. 2013(22)
[9]自适应混沌粒子群算法在PSS设计中的应用[J]. 陈刚,简华阳,龚啸.  电力系统及其自动化学报. 2012(04)
[10]基于混沌云模型的粒子群优化算法[J]. 张朝龙,余春日,江善和,刘全金,吴文进,李彦梅.  计算机应用. 2012(07)



本文编号：3024436