本文關(guān)鍵詞：基于自適應(yīng)變異概率粒子群優(yōu)化算法的研究

  更多相關(guān)文章： 粒子群算法 變異概率 自適應(yīng) 混合變異

【摘要】：變異操作是解決粒子群算法早熟的一種有效方法。針對迭代過程中種群多樣性變化的特點,提出了一種自適應(yīng)變異概率的混合變異粒子群優(yōu)化算法。通過聚集度動態(tài)地調(diào)節(jié)每代粒子的變異概率,并用這種變異概率對全局最優(yōu)位置進(jìn)行高斯和柯西混合變異和對最差個體最優(yōu)位置進(jìn)行自適應(yīng)小波變異。通過在matlab中和其他幾種變異的粒子群優(yōu)化算法進(jìn)行比較驗證,結(jié)果證明該算法具有較高的收斂精度和較好的算法性能。
【作者單位】： 江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院;輕工過程先進(jìn)控制教育部重點實驗室;
【關(guān)鍵詞】： 粒子群算法 變異概率 自適應(yīng) 混合變異
【基金】：國家自然科學(xué)基金(61572238) 國家高技術(shù)研究發(fā)展計劃(2014 AA041505)
【分類號】：TP18
【正文快照】： 引言作為一種基于群體特性的進(jìn)化算法,粒子群算法(PSO)具有算法簡單,實現(xiàn)容易,調(diào)整參數(shù)少等優(yōu)點,廣泛應(yīng)用于多目標(biāo)優(yōu)化,神經(jīng)網(wǎng)絡(luò),電力系統(tǒng)等領(lǐng)域。針對粒子群算法存在過早收斂,精度低的缺點,學(xué)者提出了很多改進(jìn)的方法,例如改進(jìn)慣性權(quán)重和學(xué)習(xí)因子等參數(shù)[1-2],多種智能算法混合

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 王康泰;王寧;;信息熵動態(tài)變異概率RNA遺傳算法[J];控制理論與應(yīng)用;2012年08期

2 戴勇謙;張明武;祝勝林;戴勇新;;基于變異概率分析的改進(jìn)QGA及其應(yīng)用[J];計算機(jī)工程;2013年07期

3 靳丹;王維洲;曹俊龍;劉文穎;;基于改進(jìn)自適應(yīng)變異概率遺傳算法的無功優(yōu)化方法[J];中國電業(yè)(技術(shù)版);2012年07期

4 陳長征,王楠;遺傳算法中交叉和變異概率選擇的自適應(yīng)方法及作用機(jī)理[J];控制理論與應(yīng)用;2002年01期

5 向毅;鐘育彬;;自適應(yīng)階段變異量子粒子群優(yōu)化算法研究[J];計算機(jī)應(yīng)用研究;2012年06期

6 黃明;王聰;梁旭;;改進(jìn)型遺傳蟻群混合算法求解旅行商問題[J];大連交通大學(xué)學(xué)報;2011年02期

7 ;[J];;年期

，

本文編號：580741