一种跨邻域学习的改进粒子群优化算法

论文摘要

为了改善传统粒子群优化算法过早陷入局部最优解的缺点,进一步增强算法收敛性,通过使用一定范围内邻域最好位置lBest代替自身历史最好位置pBest进行速度与位置更新,以增强粒子跨邻域学习能力。使用整个群体中最好位置gBest进行速度与位置更新,可增强算法收敛性,且具有较好的全局搜索能力。在8个不同的单峰和多峰函数上系统地对3种算法进行测试与比较,实验结果表明,提出的跨邻域学习改进粒子群优化算法可避免粒子群陷入局部最优解,求解精度与算法收敛性都提升了15%以上。

论文目录

• 0 引言
• 1 粒子群优化算法改进基本思想
• 2 粒子群优化算法拓扑结构改进思路
• 3 实验测试与结果
•   3.1 基准函数说明
•   3.2 结果比较与分析
• 4 结语

文章来源

类型: 期刊论文

作者: 唐懿芳,钟达夫,杨叶芬

关键词: 粒子群优化算法,跨邻域学习,局部最优,加速收敛

来源: 软件导刊 2019年12期

年度: 2019

分类: 信息科技

专业: 自动化技术

单位: 广东科学技术职业学院计算机工程技术学院,广东科学技术职业学院大数据与人工智能学院

基金: 广东科学技术职业学院校级科研项目(XJPY2016018)

分类号: TP18

页码: 122-125

总页数: 4

文件大小: 2222K

下载量: 123