基于自适应变异概率粒子群优化算法的研究

发布时间：2017-07-27 09:22

  本文关键词：基于自适应变异概率粒子群优化算法的研究

  更多相关文章： 粒子群算法 变异概率 自适应 混合变异

【摘要】：变异操作是解决粒子群算法早熟的一种有效方法。针对迭代过程中种群多样性变化的特点,提出了一种自适应变异概率的混合变异粒子群优化算法。通过聚集度动态地调节每代粒子的变异概率,并用这种变异概率对全局最优位置进行高斯和柯西混合变异和对最差个体最优位置进行自适应小波变异。通过在matlab中和其他几种变异的粒子群优化算法进行比较验证,结果证明该算法具有较高的收敛精度和较好的算法性能。
【作者单位】： 江南大学物联网工程学院;轻工过程先进控制教育部重点实验室;
【关键词】： 粒子群算法 变异概率 自适应 混合变异
【基金】：国家自然科学基金(61572238) 国家高技术研究发展计划(2014 AA041505)
【分类号】：TP18
【正文快照】： 引言作为一种基于群体特性的进化算法,粒子群算法(PSO)具有算法简单,实现容易,调整参数少等优点,广泛应用于多目标优化,神经网络,电力系统等领域。针对粒子群算法存在过早收敛,精度低的缺点,学者提出了很多改进的方法,例如改进惯性权重和学习因子等参数[1-2],多种智能算法混合

【相似文献】

中国期刊全文数据库 前7条

1 王康泰;王宁;;信息熵动态变异概率RNA遗传算法[J];控制理论与应用;2012年08期

2 戴勇谦;张明武;祝胜林;戴勇新;;基于变异概率分析的改进QGA及其应用[J];计算机工程;2013年07期

3 靳丹;王维洲;曹俊龙;刘文颖;;基于改进自适应变异概率遗传算法的无功优化方法[J];中国电业(技术版);2012年07期

4 陈长征,王楠;遗传算法中交叉和变异概率选择的自适应方法及作用机理[J];控制理论与应用;2002年01期

5 向毅;钟育彬;;自适应阶段变异量子粒子群优化算法研究[J];计算机应用研究;2012年06期

6 黄明;王聪;梁旭;;改进型遗传蚁群混合算法求解旅行商问题[J];大连交通大学学报;2011年02期

7 ;[J];;年期

，

本文编号：580741