具有自适应弹射机制的粒子群算法

发布时间：2022-01-15 08:12

　　针对粒子群算法容易陷入局部最优和停滞的问题,提出自适应弹射机制的粒子群算法.为了保持粒子群的活力,在算法内引入弹射操作.当粒子满足条件,当前位置赋予很大的速度,使其飞到很远的区域.弹射方式可以选择全维弹射和概率弹射.为了配合弹射操作,提出粒子优劣的判断机制,使粒子可以被弹射飞出可行域.在算法中设定自适应判别函数,当粒子满足该判别函数,对粒子实施弹射.数值实验表明,文中算法具有较强的全局搜索能力和较快的搜索速度. 

【文章来源】：模式识别与人工智能. 2019,32(02)北大核心CSCD

【文章页数】：9 页

【部分图文】：

本文算法1次计算取得的最优解函数值随迭代次数变化的曲线(j)

(d)f4(b)(e)f5(b)(2×105)(f)f5(b)(6×104)(g)f6(b)(h)f7(b)(i)f8(b)(j)f9(b)(k)f10(b)(l)f11(b)(m)f12(b)图2本文算法在12个函数上100次计算得到结果Fig．2Calculationresultsfor100timescalculationofproposedalgorithmwith12functions表1本文算法在各测试函数上每组计算结果统计Table1Statisticsofcalculationresultsoftheproposedalgorithmwithdifferentfunctions函数迭代次数最大值最小值均值方差中位值f16×1048．11×10－281．84×10－322．76×10－291．11×10－281．87×10－30f26×1043．97×10－151．81×10－183．07×10－166．04×10－161．13×10－16f36×1041．06×10－53．02×10－82．32×10－62．23×10－61．47×10－6f46×1042．03×10－13．96×10－35．61×10－24．23×10－24．41×10－2f56×1042×1058．64×1019．69×10－25．96×10－44．82×10－71．11×1015．14×10－31．92×1011．34×10－23．6812．65×10－4f6－15910698610291163210152f76×1044．72×10－13．75×10－21．91×10－19．51×10－21．73×10－1f86×1049．95×10－10(28次)8．06×10－22．74×10－13．02×10－13f96×1044．64×10－133．98×10－148．46×10－145．03×10－147．54×10－14f106×1041．099×1

【参考文献】：
期刊论文
[1]基于变换函数与填充函数的模糊粒子群优化算法[J]. 吕柏权,张静静,李占培,刘廷章.  自动化学报. 2018(01)
[2]混合编码差分进化粒子群算法及多示例学习的高光谱影像降维与分类[J]. 高红民,李臣明,王艳,谢科伟,陈玲慧,何振宇.  中国图象图形学报. 2015(12)
[3]基于粒子群优化的软子空间聚类算法[J]. 邱云飞,杨倩,唐晓亮.  模式识别与人工智能. 2015(10)
[4]嵌入层叠混沌策略的随机粒子群算法[J]. 李胜,何明辉,李建林,张力.  模式识别与人工智能. 2015(10)
[5]基于混合粒子群算法的复杂机械产品装配质量控制阈优化方法[J]. 王小巧,刘明周,葛茂根,马靖,刘从虎.  机械工程学报. 2016(01)
[6]基于自适应搜索中心的骨干粒子群算法[J]. 王东风,孟丽,赵文杰.  计算机学报. 2016(12)
[7]具备反向学习和局部学习能力的粒子群算法[J]. 夏学文,刘经南,高柯夫,李元香,曾辉.  计算机学报. 2015(07)
[8]基于探索与利用平衡理论的灾变粒子群算法[J]. 李坤,黎明,陈昊.  模式识别与人工智能. 2015(07)
[9]三维模型最优视角选择的粒子群优化方法[J]. 张晔嘉,孙正兴,李晨曦,宋沫飞.  计算机辅助设计与图形学学报. 2014(12)
[10]基于非均匀变异和多阶段扰动的粒子群优化算法[J]. 赵新超,刘国莅,刘虎球,赵国帅.  计算机学报. 2014(09)



本文编号：3590251