針對粒子群算法存在收斂速度慢、收斂精度低且易收斂到局部極值的問題,提出一種基于分類思想的粒子群改進算法。該算法將粒子適度值和適度值均值做差與適度值標準差進行比較,從而將粒子所在區(qū)域劃分為拒絕域、親近域、合理域。根據(jù)不同區(qū)域中粒子的特點選取不同慣性權重和學習因子,使粒子高效地選擇自身經(jīng)驗或種群經(jīng)驗,合理增強或減弱粒子全局搜索能力和局部搜索能力。數(shù)值實驗結果表明,與其他粒子群改進算法相比,新的分類粒子群算法有效加快了粒子的收斂速度,提高了算法的收斂精度,有效改善了算法尋優(yōu)性能。 

【文章來源】：現(xiàn)代電子技術. 2019,42(19)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

Sphere函數(shù)收斂速度比較Fig.1ComparisonofSpherefunctionconvergencespeed

Griewank函數(shù)收斂速度比較Fig.2ComparisonofGriewankfunctionconvergencespeed

Akley函數(shù)收斂速度比較Fig.3ComparisonofAkleyfunctionconvergencespeed1CPSO70

【參考文獻】：
期刊論文
[1]改進的快速遺傳算法在函數(shù)優(yōu)化中的應用[J]. 周勇,胡中功.  現(xiàn)代電子技術. 2018(17)
[2]改進慣性權值的粒子群優(yōu)化算法[J]. 南杰瓊,王曉東.  西安工程大學學報. 2017(06)
[3]基于協(xié)同進化粒子群算法的系統(tǒng)辨識[J]. 呂微微,張宏立.  計算機仿真. 2016(01)

碩士論文
[1]粒子群算法在復雜函數(shù)優(yōu)化中的學習策略及其改進[D]. 王博建.華東交通大學 2018
[2]改進的PSO-RBF神經(jīng)網(wǎng)絡在復雜工業(yè)過程中的應用[D]. 李鈺曼.河北科技大學 2018
[3]基于粒子群算法的結構損傷診斷研究[D]. 章云霞.廣西科技大學 2015



本文編號：3551932