發(fā)布時間：2021-01-18 05:14

　　針對傳統(tǒng)的粒子群優(yōu)化算法搜索孤立區(qū)域效果差、搜索精度低等缺點,提出一種子群分層的粗粒度粒子群優(yōu)化算法。在粗粒度模型的基礎上,將子群分為若干普通子群、自適應子群和精英子群,不同的子群在進化過程中采取不同的進化策略。普通子群根據種群的早熟收斂程度和粒子的適應度值自適應調整慣性權重,自適應子群的速度和位置更新受到普通子群中的全局最優(yōu)個體影響,精英子群保存普通子群和自適應子群的全局最優(yōu)個體,并采用免疫克隆機制保證其多樣性。仿真結果表明了所提算法的優(yōu)異性。 

【文章來源】：計算機工程與設計. 2019,40(02)北大核心

【文章頁數(shù)】：5 頁

【參考文獻】：
期刊論文
[1]最優(yōu)粒子增強探索粒子群算法[J]. 唐祎玲,江順亮,葉發(fā)茂,許慶勇,葛蕓,徐少平.  計算機工程與應用. 2017(04)
[2]帶審斂因子的變鄰域粒子群算法[J]. 范成禮,邢清華,范海雄,李響.  控制與決策. 2014(04)
[3]基于高斯擾動的粒子群優(yōu)化算法[J]. 朱德剛,孫輝,趙嘉,余慶.  計算機應用. 2014(03)
[4]一種遺傳算法與粒子群優(yōu)化的多子群分層混合算法[J]. 金敏,魯華祥.  控制理論與應用. 2013(10)
[5]全信息差異進化粒子群優(yōu)化算法[J]. 何誠,李枚毅,邱茜茜.  計算機應用研究. 2012(06)



本文編號：2984344