首页|基于动态种群的双重学习粒子群优化算法

基于动态种群的双重学习粒子群优化算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
粒子群算法的全局勘探能力和局部开发能力的不协调往往会导致算法收敛不精、陷入早熟.针对上述问题,提出了基于动态种群的双重学习粒子群优化算法(DP-DLPSO).首先将粒子种群划分为勘探子种群和开发子种群,让两个子种群以不同的学习机制引导粒子运动,粒子处于寻优期间时,子群体间无信息交流,如果开发种群陷入局部最优也不会影响到勘探种群的寻优能力;其次,采用动态种群思想,勘探种群将会把好的粒子输送到开发种群中去,增加开发种群中有效解的几率,提高粒子的收敛精度;最后,对开发种群采用高斯扰动策略以提高粒子跳出局部最优的能力.将DP-DLPSO与5个改进粒子群算法进行比较,实验结果表明DP-DLPSO在收敛精度和收敛速度上具有更大的优势.
Dual learning particle swarm optimization algorithm based on dynamic population

刘天元、王文丰、包学才、韩龙哲、徐灯、董健华、方宗华

展开 >

南昌工程学院 信息工程学院,江西南昌330099

南昌工程学院 信息工程学院

南昌工程学院 江西省水信息协同感知与智能处理重点实验室,江西南昌330099

粒子群优化算法 双种群 动态种群

国家自然科学基金资助项目国家自然科学基金资助项目江西省科技落地计划项目

6156103561401189KJLD13095

2020

南昌工程学院学报
南昌工程学院

南昌工程学院学报

影响因子：0.272
ISSN：1006-4869
年,卷(期)：2020.39(1)
  • 2
  • 2