-
题名带启发性变异的粒子群优化算法
被引量:6
- 1
-
-
作者
钟文亮
王惠森
张军
涂德键
-
机构
中山大学计算机系
-
出处
《计算机工程与设计》
CSCD
北大核心
2008年第13期3402-3406,共5页
-
基金
国家自然科学基金项目(60573066)
广东省自然科学基金项目(5003346)
教育部留学回国人员科研启动基金项目(教外司留[2006]331号)
-
文摘
粒子群优化算法(PSO)是一种群体智能计算方法,该算法精度高,收敛速度快,但在优化多峰函数的时候容易陷入早熟。加入启发性变异机制,可以在不破坏原算法高速收敛性质的同时,扩展算法的有效搜索区域。经过13个经典函数的测试证明,带启发性变异的粒子群优化算法(HMPSO)速度比原算法速度更快,精度更好,且不容易陷入局部最优。与其它带变异的粒子群优化算法相比,该算法收敛更快,在一些问题上有一定的精度优势。
-
关键词
人工智能
群体智能
粒子群优化算法
启发性变异
函数优化
-
Keywords
AI
swarm intelligence
particle swarm optimization
heuristic mutation
function optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-