一种改进的自适应逃逸微粒群算法及实验分析
分析了变异操作对微粒群算法(particle swarmoptimization,简称PSO)的影响,针对收敛速度慢、容易陷入局部极小等缺点,结合生物界中物种发现生存密度过大时会自动分家迁移的习性,给出了一种自适应逃逸微粒群算法,并证明了它依概率收敛到全局最优解.算法中的逃逸行为是一种简化的确定变异操作.当微粒飞行速度过小时,通过逃逸运动使微粒能够有效地进行全局和局部搜索,减弱了随机变异操作带来的不稳定性.典型复杂函数优化的仿真结果表明,该算法不仅具有更快的收敛速度,而且能更有效地进行全局搜索.
微粒群算法、逃逸速度、自适应、变异操作、群体智能
16
TP18(自动化基础理论)
中国科学院资助项目60373053;60473060;国家科技攻关项目2004AAll2080;中国科学院"百人计划"
2006-01-12(万方平台首次上网日期,不代表论文的发表时间)
共9页
2036-2044