-
题名快速综合学习粒子群优化算法
被引量：3
- 1
-
-
作者
杨帆
乌景秀
范子武
李子祥
朱沈涛
-
机构
南京水利科学研究院
水利部太湖流域水治理重点实验室
-
出处
《水利水电技术(中英文)》
北大核心
2025年第2期30-44,共15页
-
基金
国家重点研发计划项目(2022YFC320260303)
广西科技重大专项项目(桂科AA23062053—2)
+1 种基金
江苏省水利科技项目(2022049,2023008)
中央级公益性科研院所基本科研业务费专项项目(Y124002)。
-
文摘
【目的】粒子群优化算法在反问题求解、函数优化、数据挖掘、机器学习等研究领域广泛应用,但在求解复杂多峰问题时仍存在过早收敛的问题。为了提升粒子群算法在处理复杂多峰问题求解速度和精度,提出了快速综合学习粒子群优化算法(Fast Comprehensive Learning Particle Swarm Optimization,FCLPSO)。【方法】FCLPSO算法引入粒子学习概率、个体影响概率、群体影响概率三个属性,表征每个粒子个体“与生俱来”的不同学习能力,同时新增强化学习、粒子重生等策略,提升算法收敛速度以及监测并跳出“伪收敛”状态。选用14个标准测试函数以及6种常用粒子群变体算法开展FCLPSO算法性能分析。【结果】结果显示:在收敛性方面,FCLPSO算法平均排名为1.86,排名第一次数为7次、排名第二的次数为2次、排名最后次数为0,最终综合排名第一;在鲁棒性方面,FCLPSO算法成功率排名第一,平均值为94.3%,14个测试函数中最低成功率为73.3%;达到阈值所需适应度评价次数最少,平均值40817,较其他算法评价次数少一半。【结论】结果表明:FCLPSO算法在收敛精度、收敛速度和鲁棒性方面排名综合第一,对复杂多峰问题求解更具优势,可为工程应用中复杂优化问题求解提供重要手段。
-
关键词
粒子群优化算法
强化学习
粒子属性
粒子重生
过早收敛
影响因素
人工智能
全局搜索
-
Keywords
particle swarm optimization
reinforcement learning
particle properties
particle reinitialize
premature convergence
influencing factors
artificial intelligence
global search
-
分类号
TV301.6
[水利工程—水工结构工程]
-
-
题名基于个体最优位置的自适应变异扰动粒子群算法
被引量：16
- 2
-
-
作者
刘志刚
曾嘉俊
韩志伟
-
机构
西南交通大学电气工程学院
-
出处
《西南交通大学学报》
EI
CSCD
北大核心
2012年第5期761-768,共8页
-
基金
国家自然科学基金资助项目(U1134205
51007074)
+1 种基金
教育部新世纪优秀人才支持计划资助项目(NECT-08-0825)
中央高校基本科研业务费专项资金资助项目(SWJTU11CX141)
-
文摘
针对粒子群算法在寻优时容易陷入局部最优的不足,提出了一种基于个体最优位置的自适应变异扰动粒子群算法AMDPSO(adaptive mutation disturbance particle swarm optimization).该算法以粒子群算法为基础,加入扰动,当满足自适应条件时,粒子以个体最优位置为依据进行变异操作.将该算法运用于6个测试函数,并与惯性权重粒子群算法、收缩因子粒子群算法以及差分进化算法进行了比较,结果表明:AMDPSO能在寻优过程中让粒子跳出局部最优,保持种群多样性,具有更好的收敛速度和优化性能.
-
关键词
粒子群算法
个体最优位置
自适应变异
扰动
-
Keywords
particle swarm optimization
personal best position
adaptive mutation
disturbance
-
分类号
TV301.6
[水利工程—水工结构工程]
-
