相关性粒子群优化模型
信息认知的内在联系提出了相关性粒子群优化模型.该模型采用Copula函数去刻画随机因子间的相关结构,而不同的相关结构和相关性程度反映了粒子对自身经验信息和群体共享信息的利用策略的差异,同时给出了基于Gaussian Copula的相关性粒子群优化模型的实现方法.理论上给出了随机因子间相关程度与群体多样性的关系式,表明了当随机因子间正线性相关时有利于维持群体的多样性.证明了随机因子间相关程度与算法收敛性的关系,同时给出了相关性粒子群优化模型的收敛条件.仿真实验结果表明,随机因子间相关程度的水平设置对模型的优化性能有非常显著的影响,当粒子的自身经验信息和群体共享信息被同等利用时,模型表现出优良的整体性能.
粒子群优化、相关性、Copula、收敛性
22
TP183(自动化基础理论)
国家自然科学基金60773113;重庆市杰出青年科学基金2008BA2041;重庆市自然科学基金重点项目2008BA2017
2011-08-17（万方平台首次上网日期，不代表论文的发表时间）
共14页
695-708
