摘要
对已有关于PSO收敛性的研究结果进行了必要的修正和完善,并提出了一种不依赖个人经验的参数选择策略。针对特定问题,将PSO方法的性能表示成参数的函数,从而将参数选择问题转变成函数优化问题。同时,采用微分演化方法来确定PSO的最佳参数,收到了较好的效果。
It was modified and completed that the previous research result on PSO convergence property and proposed a new strategy on parameter selection which did not depend on expert experience. It transformed the parameter-selection problem into functional optimization problem by creating a function of the PSO property parameters. The result is also very promising in finding the optimal parameters of PSO by differential evolution.
出处
《吉林大学学报(工学版)》
EI
CAS
CSCD
北大核心
2007年第4期842-845,共4页
Journal of Jilin University:Engineering and Technology Edition
基金
国家自然科学基金重大资助项目(60496321)
国家自然科学基金资助项目(60373098
60173006)
山东省教育厅科技发展计划项目(J06G04)
关键词
人工智能
粒子群优化
收敛性
参数选择
微分演化
artificial intelligenee
particle swarm optimization
convergence property
parametersselection
differential evolution