本文關(guān)鍵詞：基于頻繁覆蓋策略的隨機(jī)漂移粒子群優(yōu)化算法　出處：《控制與決策》2017年12期 　論文類型：期刊論文

  更多相關(guān)文章： 頻繁覆蓋 粒子群優(yōu)化算法 全局優(yōu)化 大規(guī)模優(yōu)化問題 高維問題

【摘要】：為了進(jìn)一步提升隨機(jī)漂移粒子群優(yōu)化(RDPSO)算法的全局搜索能力、收斂速度以及在高維問題上的優(yōu)化能力,提出一種基于頻繁覆蓋策略的RDPSO(FC-RDPSO)算法,并采用概率統(tǒng)計(jì)方法和蒙特卡羅方法分析頻繁覆蓋策略的可行性.在CEC’2013RPO的測試函數(shù)上將FC-RDPSO算法與多種優(yōu)化算法進(jìn)行對比,實(shí)驗(yàn)結(jié)果表明所提算法在收斂速度和全局搜索能力上表現(xiàn)出了突出的性能;在一組被廣泛使用的大規(guī)模全局優(yōu)化測試函數(shù)上的實(shí)驗(yàn)結(jié)果表明,FC-RDPSO算法在高維問題上同樣表現(xiàn)出了較強(qiáng)的優(yōu)化能力.
[Abstract]:In order to improve the global search ability, convergence speed and optimization ability of RDPSO (Random Drift Particle Swarm Optimization) algorithm. This paper presents an algorithm of RDPSO-FC-RDPSO based on frequent coverage strategy. The probability statistics method and Monte Carlo method are used to analyze the feasibility of frequent coverage strategy. The FC-RDPSO algorithm is compared with various optimization algorithms in the test function of CEC'2013RPO. Experimental results show that the proposed algorithm has outstanding performance in convergence speed and global search ability. The experimental results on a set of widely used global optimization test functions show that the FC-RDPSO algorithm also has a strong optimization capability for high dimensional problems.
【作者單位】： 江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61673194,61105128) 江蘇省自然科學(xué)基金項(xiàng)目(BK20131106) 中國博士后科學(xué)基金項(xiàng)目(2014M560390) 江南大學(xué)自主科研計(jì)劃重點(diǎn)項(xiàng)目(JUSRP51410B) 江蘇省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(BE2017630)
【分類號】：TP18
【正文快照】： 0引言粒子群優(yōu)化(PSO)算法是由Kennedy等[1-2]提出的一種群體智能優(yōu)化算法.由于PSO算法思想簡單、實(shí)現(xiàn)容易、參數(shù)少,同時(shí)具有深刻的智能背景等優(yōu)點(diǎn),一經(jīng)提出便受到各領(lǐng)域?qū)W者的關(guān)注,并取得了豐碩的研究成果[3-9].然而,PSO算法易出現(xiàn)早熟收斂而導(dǎo)致優(yōu)化性能降低,為此,研究人員

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年10期

2 李紹軍;王惠;錢鋒;;基于模式優(yōu)選思想改進(jìn)的粒子群優(yōu)化算法[J];控制與決策;2006年10期

3 蘇俊霞;蔚承建;;基于粒子群優(yōu)化算法的自動(dòng)機(jī)制設(shè)計(jì)[J];計(jì)算機(jī)工程與應(yīng)用;2007年04期

4 何妮;吳燕仙;;粒子群優(yōu)化算法的研究[J];科技信息(科學(xué)教研);2008年06期

5 賀毅朝;王熙照;曲文龍;;一種具有雙重進(jìn)化空間的擴(kuò)展粒子群優(yōu)化算法[J];小型微型計(jì)算機(jī)系統(tǒng);2008年08期

6 王正帥;鄧喀中;;基于文化框架的隨機(jī)粒子群優(yōu)化算法[J];計(jì)算機(jī)科學(xué);2012年06期

7 馮紀(jì)強(qiáng);溫雅;;粒子群優(yōu)化的模糊特征[J];現(xiàn)代電子技術(shù);2012年23期

8 田亞菲;張范勇;閻石;;基于粒子群優(yōu)化的細(xì)菌覓食優(yōu)化算法[J];控制工程;2012年06期

9 祁超;張曦;劉煥杰;張薈萃;;云環(huán)境下多群體協(xié)作粒子群優(yōu)化框架的研究[J];科技創(chuàng)新與應(yīng)用;2013年36期

10 高海兵;周馳;高亮;;廣義粒子群優(yōu)化模型[J];計(jì)算機(jī)學(xué)報(bào);2005年12期

相關(guān)會(huì)議論文 前9條

1 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

2 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國力學(xué)大會(huì)——2013論文摘要集[C];2013年

3 王光輝;陳杰;潘峰;;多種群協(xié)同粒子群優(yōu)化算法求解動(dòng)態(tài)環(huán)境優(yōu)化問題[A];第二十七屆中國控制會(huì)議論文集[C];2008年

4 楊雅偉;侍洪波;;量子粒子群優(yōu)化算法及其應(yīng)用研究[A];中國儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

5 趙建玉;賈磊;陳月輝;張勇;;基于粒子群優(yōu)化的信號交叉口交通流預(yù)測模型[A];第二十六屆中國控制會(huì)議論文集[C];2007年

6 趙秋玲;周雅莉;張奇志;;基于粒子群優(yōu)化的結(jié)構(gòu)振動(dòng)分布式反饋控制[A];2005年中國智能自動(dòng)化會(huì)議論文集[C];2005年

7 肖龍光;丁曉東;謝集平;;粒子群優(yōu)化算法的改進(jìn)[A];第二十三屆中國控制會(huì)議論文集（上冊）[C];2004年

8 龔?fù)?曹秀英;;基于粒子群優(yōu)化的偽距定位算法研究[A];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

9 錢偉懿;王艷杰;;帶自適應(yīng)壓縮因子粒子群優(yōu)化算法[A];中國運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 Shafiullah Khan;粒子群優(yōu)化算法及其在電磁設(shè)計(jì)中的應(yīng)用[D];浙江大學(xué);2017年

4 易云飛;基于伊藤隨機(jī)過程的粒子群優(yōu)化算法及其應(yīng)用研究[D];武漢大學(xué);2015年

5 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

7 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

8 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2013年

9 劉逸;粒子群優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];西安電子科技大學(xué);2013年

10 高芳;智能粒子群優(yōu)化算法研究[D];哈爾濱工業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏?cái)?shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢預(yù)測模型研究[D];蘭州大學(xué);2015年

4 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

5 米永強(qiáng);非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

6 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

7 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

8 牛旭;動(dòng)態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

9 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

10 楊青河;基于優(yōu)化控制思想的粒子群優(yōu)化算法改進(jìn)研究[D];東北大學(xué);2013年

，

本文編號：1435642