發(fā)布時間：2024-12-19 03:09

　　 針對基本粒子群算法易陷入局部最優(yōu)、收斂速度慢、收斂精度差等問題,提出一種基于Logistic映射的新型混沌簡化PSO算法(CIW-SPSO)。該算法引入混沌理論使慣性權重具有混沌搜索能力,同時使學習因子隨尋優(yōu)過程呈正弦函數(shù)變化,降低算法陷入局部最優(yōu)的概率。使用6個經(jīng)典測試函數(shù)進行仿真測試,結果表明:本算法收斂速度快,收斂精度高,能避免陷入局部最優(yōu),提升算法優(yōu)化性能。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1LDIW與EDIW權重策略比較2．2．3隨機慣性權重(ＲIW)

2019年第12期楊萬里，等:基于Logistic映射的新型混沌簡化PSO算法17迭代過程非線性遞減。由圖1可知，相比LDIW，EDIW在迭代后期ω下降得更快，極大提高了算法局部搜索能力，因此EDIW-SPSO算法能取得更好的優(yōu)化效果。圖1LDIW與EDIW權重策略比較2．2．3....

圖2混沌遞減慣性權重(CDIW)

圖3混沌慣性權重(CIW)2．3學習因子改進策略

圖4Sphere函數(shù)的適應度曲線

W-SPSO930．16520ＲIW-SPSO940．16400CDIW-SPSO950．16420f6(x)CIW-SPSO970．33420PSO00．48572．5931LDIW-SPSO790．37160EDIW-SPSO880．35843．553E-15ＲIW-SPSO....

本文編號：4017558