粒子群算法因其形式比較簡(jiǎn)潔,參數(shù)設(shè)置靈活,操作簡(jiǎn)便易行,并且能夠快速收斂,從而引起廣泛關(guān)注。但是傳統(tǒng)的粒子群算法也有缺陷:收斂速度慢以及容易陷入局部最優(yōu)等。針對(duì)這些問(wèn)題,本文借鑒小生境的方法,在進(jìn)化初始階段,對(duì)種群進(jìn)行劃分,將初始種群分為子種群,對(duì)不同的子種群進(jìn)行不同的變異策略;在進(jìn)化過(guò)程中,針對(duì)不同的子種群,設(shè)置不同的慣性權(quán)重因子ω,用來(lái)增強(qiáng)全局搜索能力與局部搜索能力。實(shí)驗(yàn)結(jié)果表明,本文提出的算法較傳統(tǒng)的粒子群算法具有較快的收斂性以及找尋的全局最優(yōu)解更接近真實(shí)解集,收斂精度比較高。 

【文章來(lái)源】：計(jì)算機(jī)與現(xiàn)代化. 2019,(05)

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引 言
1 粒子群算法
    1.1 標(biāo)準(zhǔn)粒子群算法
    1.2 改進(jìn)的粒子群算法
2 帶有變異策略的種群劃分粒子群算法
    2.1 種群的劃分
    2.2 變異策略的引進(jìn)
    2.3 慣性權(quán)重因子
    2.4 算法的基本步驟
3 實(shí)驗(yàn)及結(jié)果分析
    3.1 測(cè)試函數(shù)
    3.2 本文算法與3種算法的比較
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)PSO算法的加熱系統(tǒng)分?jǐn)?shù)階控制[J]. 姜蘇英.  計(jì)算機(jī)與現(xiàn)代化. 2018(07)
[2]一種動(dòng)態(tài)調(diào)整慣性權(quán)重的粒子群優(yōu)化算法[J]. 董紅斌,李冬錦,張小平.  計(jì)算機(jī)科學(xué). 2018(02)
[3]基于改進(jìn)GA-PSO的無(wú)線傳感網(wǎng)絡(luò)路由算法[J]. 張慧.  計(jì)算機(jī)與現(xiàn)代化. 2015(12)
[4]基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)[J]. 張德慧,張德育,劉清云,呂艷輝.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(05)
[5]一種新的變異因子選擇策略[J]. 王帥群,敖日格樂(lè),高尚策,唐政,馬海英.  計(jì)算機(jī)科學(xué). 2014(09)
[6]基于非均勻變異和多階段擾動(dòng)的粒子群優(yōu)化算法[J]. 趙新超,劉國(guó)蒞,劉虎球,趙國(guó)帥.  計(jì)算機(jī)學(xué)報(bào). 2014(09)
[7]改進(jìn)粒子群和模擬退火混合算法及其應(yīng)用[J]. 鄭申海,胡小兵,鄭滿滿,劉瑞杰.  計(jì)算機(jī)技術(shù)與發(fā)展. 2013(07)
[8]基于改進(jìn)小生境粒子群算法的多模函數(shù)優(yōu)化[J]. 史哲文,白雪石,郭禾.  計(jì)算機(jī)應(yīng)用研究. 2012(02)
[9]一種基于遺傳算法改進(jìn)的粒子群優(yōu)化算法[J]. 潘勇,郭曉東.  計(jì)算機(jī)應(yīng)用與軟件. 2011(09)
[10]一種更簡(jiǎn)化而高效的粒子群優(yōu)化算法[J]. 胡旺,李志蜀.  軟件學(xué)報(bào). 2007(04)

碩士論文
[1]粒子群算法在圖像處理中的應(yīng)用研究[D]. 周欣.湖北工業(yè)大學(xué) 2011



本文編號(hào)：2997281