提出了一種新的基于達爾文進化的自適應卡爾曼修正粒子群優(yōu)化算法（AK-DPSO,Adaptive Kalman correction Darwin Particle Swarm Optimization）�？柭拚龣C制能夠利用種群粒子位置更新過程的相關(guān)性信息提高算法搜索速度。使用了一種基于子梯度計算的方法來自適應地調(diào)整算法的系數(shù),在每次迭代后算法根據(jù)卡爾曼修正機制調(diào)整全局最優(yōu)點的位置,這樣的調(diào)整能夠顯著地提升算法在搜索空間中的搜索效率和收斂率。同時,為了克服早熟收斂的問題,AK-DPSO采取了基于自然選擇的達爾文進化機制,通過多個子群的自然進化增強粒子群的多樣性,從而減小算法陷入局部最優(yōu)點的可能性。進行了一系列的實驗,實驗結(jié)果證明本文算法能夠在多個性能指標上達到或者超過現(xiàn)有粒子群優(yōu)化算法的水平。 

【文章來源】：東莞理工學院學報. 2019,26(01)

【文章頁數(shù)】：9 頁

【文章目錄】：
1 粒子群優(yōu)化算法 (PSO)
    1.1 PSO的基本形式
    1.2 改進PSO算法
2 基于進化的自適應卡爾曼修正粒子群算法
    2.1 卡爾曼修正機制 (Kalman Correction)
    2.2 基于子梯度的自適應系數(shù)更新
    2.3 基于自然選擇的達爾文進化過程
    2.4 基于達爾文進化的自適應卡爾曼修正粒子群算法
3 實驗與分析
    3.1 測試函數(shù)與算法配置
    3.2 搜索精度比較
    3.3 算法穩(wěn)定性能比較
    3.4 收斂速度比較
    3.5 算法的計算復雜度分析
4 結(jié)語


【參考文獻】：
期刊論文
[1]自適應的分數(shù)階達爾文粒子群優(yōu)化算法[J]. 郭通,蘭巨龍,李玉峰,陳世文.  通信學報. 2014(04)
[2]具有異構(gòu)分簇的粒子群優(yōu)化算法研究[J]. 李文鋒,梁曉磊,張煜.  電子學報. 2012(11)
[3]新的混沌粒子群優(yōu)化算法[J]. 胥小波,鄭康鋒,李丹,武斌,楊義先.  通信學報. 2012(01)



本文編號：3375805