作者:刚; 洪建; 张洁粒子群优化算法反向学习高斯扰动
摘要:针对标准粒子群优化算法(Particle Swarm Optimization,PSO)收敛速度慢,易陷入局部最优的问题,提出一种基于反向学习和高斯扰动的粒子群优化算法。算法在粒子"自我学习"基础上,随机选择种群中任意粒子的反向位置,对当前粒子进行反向学习,增加种群多样性。算法在进化过程中,还对全局最优位置进行高斯扰动,防止算法陷入局部最优。实验表明,相比较传统知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等。论文算法在30维和100维测试函数上,无论是收敛精度,还是收敛速度,均具有明显的优势。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社