太原科技大学学报

2021, v.42;No.185(03) 169-174

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

基于分层学习的改进PSO算法求解复杂优化问题
Particle Swarm Optimization Algorithm Based on Hierarchical Learning for Complex Optimization Problem

白晓慧,何小娟,孙超利,张国晨

摘要(Abstract):

针对社会学习粒子群算法存在的收敛速度慢及进化后期种群多样性缺失等问题,提出了一种基于分层学习的改进粒子群算法。首先,引入分层学习策略,并将其加入社会学习粒子群算法中,实现对种群中不同状态粒子的差别对待,从而增强算法中粒子的探索与开发能力;其次,对个体设定贡献值度量,在贡献值的基础通过减少种群数量,减少计算资源的浪费。最后,使用CEC2010测试函数集对所提算法进行测试,并与5种典型算法进行对比,验证了所提算法的有效性。

关键词(KeyWords): 大规模优化问题;粒子群算法;分层学习策略;贡献值策略

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61876123);; 山西省自然科学基金(201801D121131);; 山西省优秀人才科技创新项目(201805D 211028);; 山西省留学回国人员科技活动择优资助项目;; 太原科技大学校博士启动基金(20162029)

作者(Author): 白晓慧,何小娟,孙超利,张国晨

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享