一种基于进化的自适应卡尔曼修正粒子群优化算法

发布时间：2021-08-31 23:23

　　提出了一种新的基于达尔文进化的自适应卡尔曼修正粒子群优化算法（AK-DPSO,Adaptive Kalman correction Darwin Particle Swarm Optimization）。卡尔曼修正机制能够利用种群粒子位置更新过程的相关性信息提高算法搜索速度。使用了一种基于子梯度计算的方法来自适应地调整算法的系数,在每次迭代后算法根据卡尔曼修正机制调整全局最优点的位置,这样的调整能够显著地提升算法在搜索空间中的搜索效率和收敛率。同时,为了克服早熟收敛的问题,AK-DPSO采取了基于自然选择的达尔文进化机制,通过多个子群的自然进化增强粒子群的多样性,从而减小算法陷入局部最优点的可能性。进行了一系列的实验,实验结果证明本文算法能够在多个性能指标上达到或者超过现有粒子群优化算法的水平。 

【文章来源】：东莞理工学院学报. 2019,26(01)

【文章页数】：9 页

【文章目录】：
1 粒子群优化算法 (PSO)
    1.1 PSO的基本形式
    1.2 改进PSO算法
2 基于进化的自适应卡尔曼修正粒子群算法
    2.1 卡尔曼修正机制 (Kalman Correction)
    2.2 基于子梯度的自适应系数更新
    2.3 基于自然选择的达尔文进化过程
    2.4 基于达尔文进化的自适应卡尔曼修正粒子群算法
3 实验与分析
    3.1 测试函数与算法配置
    3.2 搜索精度比较
    3.3 算法稳定性能比较
    3.4 收敛速度比较
    3.5 算法的计算复杂度分析
4 结语


【参考文献】：
期刊论文
[1]自适应的分数阶达尔文粒子群优化算法[J]. 郭通,兰巨龙,李玉峰,陈世文.  通信学报. 2014(04)
[2]具有异构分簇的粒子群优化算法研究[J]. 李文锋,梁晓磊,张煜.  电子学报. 2012(11)
[3]新的混沌粒子群优化算法[J]. 胥小波,郑康锋,李丹,武斌,杨义先.  通信学报. 2012(01)



本文编号：3375805