【CI】CN.一种多尺度协同变异的微粒群优化算法

【论文标题】一种多尺度协同变异的微粒群优化算法 (2010)

【论文作者】陶新民,刘福荣, 刘  玉 , 童智靖

【论文链接】Paper(14-pages // Single column)

【摘要】

  分析了变异操作对微粒群算法(PSO)的影响,针对变异单一,收敛速度慢,易陷入局部极小点等缺点,提出一种新的多尺度协同变异的粒子群优化算法,并证明了该算法以概率 1 收敛到全局最优解.该算法采用多尺度高斯变异机制实现局部解逃逸.在算法的初期阶段,利用大尺度变异及均匀变异算子能够实现全局最优解空间的快速定位,随着适应值的提升变异尺度会随之降低,最终在算法的后期阶段,利用 PSO 进化和小尺度变异算子完成局部精确解空间的搜索,有效实现了勘探和开采能力的有机协调.将算法应用 6 个典型复杂函数优化问题,并同其他带变异操作的 PSO 算法进行比较,仿真结果表明,该算法不仅具有更快的收敛速度,且全局解搜索能力及稳定性都有显著提高。

上一篇:C#学习路线


下一篇:机器学习算法 Python & R速查表