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
【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
本文链接:https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3731900.html