计算机技术与发展2020，Vol.30Issue(12) ：15-20.DOI:10.3969/j.issn.1673-629X.2020.12.003

基于PSO算法的SOR最优松弛因子选取研究

Study on Selecting SOR Optimal Relaxation Factor with Particle Swarm Optimization

薛丹 姚若侠
计算机技术与发展2020，Vol.30Issue(12) ：15-20.DOI:10.3969/j.issn.1673-629X.2020.12.003
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于PSO算法的SOR最优松弛因子选取研究

Study on Selecting SOR Optimal Relaxation Factor with Particle Swarm Optimization

薛丹 1姚若侠1
扫码查看

作者信息

  • 1. 陕西师范大学 计算机科学学院,陕西 西安 710119
  • 折叠

摘要

目前选取逐次超松弛迭代法(SOR)最优松弛因子的基本思路是:在区间(0,2)上,根据确定的分割策略,选取分割点的值作为松弛因子来计算相应的SOR迭代次数,将小于预设的SOR迭代次数阈值的松弛因子作为最优解返回,例如二分比较法、黄金分割法、逐步搜索法等,其缺陷在于不易找到全局最优松弛因子且对参数依赖较大.为克服传统策略解决该问题的不足,受粒子群优化算法及其在不同场景成功应用的启发,提出利用基本粒子群优化算法(bPSO)、简化粒子群优化算法(sPSO)、带极值扰动粒子群优化算法(tPSO)和带极值扰动的简化粒子群优化算法(tsPSO)来搜索SOR迭代法最优松弛因子.通过对两个不同的线性方程组的实证测试,验证了四种算法在选取SOR最优松弛因子问题上的有效性.

关键词

粒子群优化算法/简化粒子群优化算法/带极值扰动粒子群优化算法/SOR迭代法/最优松弛因子

引用本文复制引用

基金项目

国家自然科学基金面上项目(11471004)

国家自然科学基金面上项目(61673251)

出版年

2020
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量9
段落导航相关论文