带自适应精英扰动及惯性权重的反向粒子群优化算法

发布时间：2017-08-22 23:30

  本文关键词：带自适应精英扰动及惯性权重的反向粒子群优化算法

  更多相关文章： 一般性反向学习 粒子群优化 自适应精英变异 非线性惯性权重

【摘要】：针对反向粒子群优化算法存在的易陷入局部最优、计算开销大等问题,提出了一种带自适应精英粒子变异及非线性惯性权重的反向粒子群优化算法(OPSO-AEMNIW),来克服该算法的不足。OPSO-AEMNIW算法在一般性反向学习方法的基础上,利用粒子适应度比重等信息,引入了非线性的自适应惯性权重(NIW)调整各个粒子的活跃程度,继而加速算法的收敛过程。为避免粒子陷入局部最优解而导致搜索停滞现象的发生,提出了自适应精英变异策略(AEM)来增大搜索范围,结合精英粒子的反向搜索能力,达到跳出局部最优解的目的。上述2种机制的结合,可以有效克服反向粒子群算法的探索与开发的矛盾。实验结果表明,与主流反向粒子群优化算法相比,OPSO-AEMNIW算法无论是在计算精度还是计算开销上均具有较强的竞争能力。
【作者单位】： 武汉大学计算机学院;江西理工大学应用科学学院;华南农业大学信息学院;
【关键词】： 一般性反向学习 粒子群优化 自适应精英变异 非线性惯性权重
【基金】：国家自然科学基金资助项目(No.61170305,No.61672024)~~
【分类号】：TP18
【正文快照】： 1引言粒子群优化算法(PSO,particle swarm optimiza-tion)是一种基于群体进化的随机仿生优化算法,由Kennedy和Eberhart等[1]于1995年提出,其思想源于对鱼群及鸟类等群体觅食行为的模拟。算法自提出以来,由于其概念简单且易于理解和实现,在解决复杂优化问题,如非线性、多峰等问

【相似文献】

中国期刊全文数据库 前10条

1 李绍军;王惠;钱锋;;基于模式优选思想改进的粒子群优化算法[J];控制与决策;2006年10期

2 苏俊霞;蔚承建;;基于粒子群优化算法的自动机制设计[J];计算机工程与应用;2007年04期

3 何妮;吴燕仙;;粒子群优化算法的研究[J];科技信息(科学教研);2008年06期

4 贺毅朝;王熙照;曲文龙;;一种具有双重进化空间的扩展粒子群优化算法[J];小型微型计算机系统;2008年08期

5 王正帅;邓喀中;;基于文化框架的随机粒子群优化算法[J];计算机科学;2012年06期

6 冯纪强;温雅;;粒子群优化的模糊特征[J];现代电子技术;2012年23期

7 田亚菲;张范勇;阎石;;基于粒子群优化的细菌觅食优化算法[J];控制工程;2012年06期

8 祁超;张曦;刘焕杰;张荟萃;;云环境下多群体协作粒子群优化框架的研究[J];科技创新与应用;2013年36期

9 高海兵;周驰;高亮;;广义粒子群优化模型[J];计算机学报;2005年12期

10 罗平;姚立海;杨仕友;倪光正;唐跃进;;一种改进的粒子群优化算法[J];江南大学学报(自然科学版);2007年05期

中国重要会议论文全文数据库 前9条

1 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

2 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

3 王光辉;陈杰;潘峰;;多种群协同粒子群优化算法求解动态环境优化问题[A];第二十七届中国控制会议论文集[C];2008年

4 杨雅伟;侍洪波;;量子粒子群优化算法及其应用研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

5 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年

6 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年

7 肖龙光;丁晓东;谢集平;;粒子群优化算法的改进[A];第二十三届中国控制会议论文集（上册）[C];2004年

8 龚挺;曹秀英;;基于粒子群优化的伪距定位算法研究[A];第二届中国卫星导航学术年会电子文集[C];2011年

9 钱伟懿;王艳杰;;带自适应压缩因子粒子群优化算法[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

4 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

5 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

6 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年

7 刘逸;粒子群优化算法的改进及应用研究[D];西安电子科技大学;2013年

8 高芳;智能粒子群优化算法研究[D];哈尔滨工业大学;2008年

9 张丽平;粒子群优化算法的理论及实践[D];浙江大学;2005年

10 王俊伟;粒子群优化算法的改进及应用[D];东北大学;2006年

中国硕士学位论文全文数据库 前10条

1 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

2 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

3 徐向平;粒子群优化算法及其在生物数据聚类中的应用[D];江南大学;2016年

4 杨博宇;多群协同多目标粒子群优化算法及其应用研究[D];东北大学;2014年

5 赵俊波;基于改进粒子群优化算法的人员疏散问题研究[D];辽宁科技大学;2016年

6 朱润水;基于多目标粒子群优化的SDN网络能耗感知负载均衡研究[D];山东大学;2016年

7 王培坤;多粒子群优化算法的串行硬件结构实现[D];华南理工大学;2016年

8 赵亚光;多目标粒子群优化算法研究及在HEV参数优化中应用[D];南京信息工程大学;2016年

9 周丹;混合策略粒子群优化算法的研究及应用[D];江南大学;2016年

10 陈东;粒子群优化算法在投资组合中的应用[D];广东财经大学;2016年

，

本文编号：721706