基于正态分布衰减惯性权重的粒子群优化算法

发布时间：2023-01-25 23:08

　　针对粒子群优化（particle swarm optimization,PSO）算法无法在提高收敛速度的同时避免早熟的缺陷,提出基于正态分布衰减惯性权重粒子群优化（normal distribution decay inertial weight particle swarm optimization,NDPSO）算法.以正态分布曲线作为惯性权重的衰减策略曲线,通过引入控制因子对粒子的位置进行改善,使得NDPSO算法能很好的在优化过程中平衡全局搜索和局部搜索能力.使用8个标准函数测试分别对粒子群优化（particle swarm optimization,PSO）、线性权重衰减粒子群优化（linear decay inertial weight particle swarm optimization,LDWPSO）、指数权重衰减粒子群优化（exponential decay weight particle swarm optimization,EXPPSO）、收缩因子粒子群优化（constriction factor particle swarm optimization,CFPSO）... 

【文章页数】：6 页

【文章目录】：
1 粒子群优化算法及其改进算法
2 NDPSO算法
3 仿真实验
    3.1 参数设置
    3.2 仿真结果及比较
结语


【参考文献】：
期刊论文
[1]基于多种群的自适应迁移PSO算法[J]. 邓先礼,魏波,曾辉,桂凌,夏学文.  电子学报. 2018(08)
[2]基于动态加速因子的粒子群优化算法研究[J]. 滕志军,吕金玲,郭力文,王志新,许恒,袁丽红.  微电子学与计算机. 2017(12)
[3]一种邻域重心反向学习的粒子群优化算法[J]. 周凌云,丁立新,彭虎,强小利.  电子学报. 2017(11)
[4]一种基于改进PSO的随机最大似然算法[J]. 宋华军,刘芬,陈海华,张鹤.  电子学报. 2017(08)
[5]一种惯性权重自适应的粒子群优化算法[J]. 罗华.  电子科技. 2017(03)
[6]基于高斯函数递减惯性权重的粒子群优化算法[J]. 张迅,王平,邢建春,杨启亮.  计算机应用研究. 2012(10)



本文编号：3731900