摘要
针对粒子群优化算法容易早熟、收敛精度低等问题,基于群体多样性反馈的思想,提出一种动态学习对象的粒子群优化算法。该算法采用群体多样性动态控制粒子的学习对象,减缓群体多样性的丧失速度,有利于群体的全局寻优。对3种典型多峰函数的仿真结果表明,该算法可以有效避免早熟问题,具有较好的全局寻优能力。
To overcome the disadvantage of Particle Swarm Optimization（PSO） algorithm such as premature,bad convergence precision,based on feedback of swarm diversity,a PSO algorithm with Dynamic Learning Objects（PSO-DLO） is presented.In the algorithm swarm diversity is used to control the learning objects,the strategy relieves the lost of swarm diversity,which is helpful for the global search.Experiments of three typical multi-modal functions indicate that the algorithm can effectively avoid premature and achieve better global search ability.
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第19期171-173,共3页
Computer Engineering
基金
国家自然科学基金资助项目(60773113)
重庆市杰出青年科学基金资助项目(2008BA2041)
重庆市自然科学基金资助重点项目(2008BA2017)
关键词
粒子群优化
早熟
反馈
群体多样性
多峰函数
Particle Swarm Optimization（PSO）
premature
feedback
swarm diversity
multi-modal function
