-
题名大数据环境中简化粒子群算法的改进研究
被引量:5
- 1
-
-
作者
齐欣
靳雁霞
张晋瑞
程琦甫
-
机构
中北大学大数据学院
-
出处
《微电子学与计算机》
北大核心
2020年第2期25-29,共5页
-
基金
山西省自然科学计划项目(201801D121154,201801D121155)。
-
文摘
针对大数据存在的高维、强约束和多目标等复杂优化问题,本文提出一种改进的群智能优化算法--狮群简化粒子群算法(LSA-SPSO).该算法将狮群算法的分组思想融入简化粒子群优化算法中,将粒子分为三组寻优,每组使用不同的学习因子和学习维度向量,以此帮助种群执行不同的搜索机制,从而增强了种群的多样性.此外,引入种群育种,有利于粒子跳出局部最优位置,提高了算法的全局搜索性能.仿真实验表明,本文提出的改进算法有效改善了传统群智能算法中存在的不足,可以更好的应用到大数据中.
-
关键词
大数据
简化粒子群
狮群算法
分组
学习因子
学习维度向量
种群育种
-
Keywords
big data
simplified particle swarm optimization
lions optimization
grouping
learning factor
learning dimension vector
population breeding
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-