為解決粒子群優(yōu)化算法易陷入局部最優(yōu)值的問題,提出一種引入多級擾動的混合型粒子群優(yōu)化算法.該算法結合兩種經典改進粒子群優(yōu)化算法的優(yōu)點,即帶慣性參數(shù)的標準粒子群優(yōu)化算法和帶收縮因子的粒子群優(yōu)化算法,在此基礎上,引入多級擾動機制:在更新粒子位置時,引入一級擾動,使粒子對解空間的遍歷能力得到加強;若優(yōu)化過程陷入"局部最優(yōu)"的情況,則引入二級擾動,使得優(yōu)化過程繼續(xù),從而擺脫局部最優(yōu)值.使用了6個測試函數(shù)——Sphere函數(shù)、Ackley函數(shù)、Rastrigin函數(shù)、Styblinski-Tang函數(shù)、Duadric函數(shù)及Rosenbrock函數(shù)來對所提出的混合型粒子群優(yōu)化算法進行仿真運算和對比驗證.模擬運算的結果表明:所提出的混合型粒子群優(yōu)化算法在對測試函數(shù)進行仿真時,其收斂精度和收斂速度都優(yōu)于另外兩種經典的改進粒子群優(yōu)化算法;另外,在處理多峰函數(shù)時,本算法不易被局部最優(yōu)值所限制. 

【文章來源】：軟件學報. 2019,30(06)北大核心

【文章頁數(shù)】：18 頁

【文章目錄】：
1傳統(tǒng)粒子群優(yōu)化算法
    1.1粒子群優(yōu)化算法
    1.2標準粒子群優(yōu)化算法
    1.3帶收縮因子的粒子群優(yōu)化算法
2新的帶多級擾動的混合型粒子群優(yōu)化算法
3算法仿真實驗
    3.1測試函數(shù)
    3.2仿真實驗結果與分析
4結論


【參考文獻】：
期刊論文
[1]基于混沌粒子群算法的跳躍-滑翔軌跡優(yōu)化[J]. 施健峰,李伶,呂建強.  航天控制. 2017(04)
[2]一種求解服務鏈映射問題的離散粒子群優(yōu)化算法[J]. 馬丁,莊雷,蘭巨龍.  小型微型計算機系統(tǒng). 2017(08)
[3]基于網格排序的多目標粒子群優(yōu)化算法[J]. 李笠,王萬良,徐新黎,李偉琨.  計算機研究與發(fā)展. 2017(05)
[4]任務調度算法中新的自適應慣性權重計算方法[J]. 李學俊,徐佳,朱二周,張以文.  計算機研究與發(fā)展. 2016(09)
[5]基于粒子群優(yōu)化算法的類集成測試序列確定方法[J]. 張艷梅,姜淑娟,陳若玉,王興亞,張妙.  計算機學報. 2018(04)
[6]基于模式組合的粒子群優(yōu)化測試用例生成方法[J]. 姜淑娟,王令賽,薛猛,張艷梅,于巧,姚慧冉.  軟件學報. 2016(04)
[7]基于正交實驗設計的人工蜂群算法[J]. 周新宇,吳志健,王明文.  軟件學報. 2015(09)
[8]基于慣性權重對數(shù)遞減的粒子群優(yōu)化算法[J]. 戴文智,楊新樂.  計算機工程與應用. 2015(17)
[9]基于自適應搜索中心的骨干粒子群算法[J]. 王東風,孟麗,趙文杰.  計算機學報. 2016(12)
[10]具備反向學習和局部學習能力的粒子群算法[J]. 夏學文,劉經南,高柯夫,李元香,曾輝.  計算機學報. 2015(07)

博士論文
[1]粒子群優(yōu)化算法的改進及應用研究[D]. 劉逸.西安電子科技大學 2013
[2]粒子群優(yōu)化算法的理論及實踐[D]. 張麗平.浙江大學 2005

碩士論文
[1]粒子群優(yōu)化算法的幾種改進算法及應用[D]. 魯姝穎.中國礦業(yè)大學 2014



本文編號：2992441