自适应学习因子的混沌二进制粒子群优化算法

发布时间：2023-02-12 15:37

　　针对二进制粒子群优化算法存在求解精度低的问题,提出一种自适应学习因子的混沌二进制粒子群优化算法(SABPSO)。首先,SABPSO算法采用混沌策略初始化粒子种群;其次,根据适应度值以及当前粒子与最优粒子间距离设计粒子成长因子,反映种群的进化状态;再次,通过成长因子和迭代次数设计自适应学习因子更新机制;最后,实验结果表明:在4个经典测试函数上SABPSO算法具有更有效的收敛性能。

【文章页数】：7 页

【文章目录】：
1 基本的二进制粒子群优化算法
2 自适应学习因子的二进制粒子群优化算法
    2.1 SABPSO算法的速度与位置更新方式
    2.2 混沌初始化策略
    2.3 粒子成长因子
    2.4 自适应学习因子
    2.5 SABPSO步骤
3 实验仿真
    3.1 实验设置
    3.2 对比标准
        1) 均值:
        2) 方差:
        3) 分布状态:
    3.3 实验结果分析
4 结 论



本文编号：3741366